다 변수 분석에서 소수의 요인으로 차원을 축소하는 것은 많은 변수 중에서 가변성을 포착하는 가장 중요한 단계입니다. 에서 JMP , 우리는 연속 변수에 대한 치수 축소를 수행하는 주성분 (PC) 플랫폼을 보유하고 있습니다. 그러나 우리가 범주 형 변수 , 우리는 치수 감소를 위해 PC 플랫폼을 사용할 수 없습니다. JMP 12의 새로운 Multiple Interrespondence Analysis (MCA) 플랫폼은 여러 범주 형 변수를 입력 변수로 사용하고 이러한 변수의 수준 간 연관성을 확인하기 위해 노력합니다.
다중 통신 분석은 사회 과학에서 자주 사용됩니다. 프랑스와 일본에서 특히 인기가 있습니다. 설문 조사에서 질문 동의를 식별하는 데 사용할 수 있습니다. 또한 소비자 연구에서 제품의 잠재 시장을 식별하는 데 사용됩니다. 유전학에서의 마이크로 어레이 연구는 또한 유전자 간의 잠재적 관계를 확인하기 위해 MCA를 사용합니다.
다중 응답 분석의 예
JMP의 Car Poll.jmp 샘플 데이터에는 자동차 설문 조사에서 수집 한 데이터가 들어 있습니다. 이 데이터에는 성별, 결혼 상태, 나이 등 조사 대상자에 대한 측면이 포함됩니다. 데이터에는 원산지, 크기 및 유형과 같이 응답자가 소유 한 자동차에 대한 측면도 포함됩니다. 우리는 소비자 선호도를 확인하기 위해 성별, 결혼 상태, 국가 및 자동차 크기 간의 관계를 탐구하고 싶을 수 있습니다.
통신 분석의 핵심 부분은 산출물의 일부로 생성 된 다차원 맵입니다. 그만큼 대응지도 차원 축에서 공간적으로 범주 간 관계를 시각화 할 수 있습니다. 즉, 경험적으로 파생 된 차원에서 다른 범주와 가까운 범주를 볼 수 있습니다.
Car Poll 데이터의 Correspondence Analysis 맵은 두 개의 주축에 투영 된 4 가지 변수 범주의 구름을 보여줍니다. 이 구름에서 미국인은 큰 자동차 크기와 강한 연관성이있는 반면 일본인은 작은 자동차 크기와 밀접한 관련이 있음을 알 수 있습니다. 또한 남성과 독신자는 소형차 유형과 밀접한 관련이 있으며 여성과 결혼 한 사람들은 중형차 크기와 관련이 있습니다. 이 정보는 광고 대상 대상을 식별하기 위해 시장 조사에 사용될 수 있습니다.
JMP 12가 이번 달 말에 출시되면 새로운 MCA 플랫폼을 자신의 범주 형 변수로 탐색 할 수 있기를 바랍니다. 여러분의 의견을 기다리겠습니다.
