<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Jianfeng Ding , JMP Senior Research Statistician Entwickler, SAS
Bei der multivariaten Analyse ist die Dimensionsreduzierung auf eine kleine Anzahl von Faktoren der wichtigste Schritt, um die Variabilität unter einer großen Anzahl von Variablen zu erfassen. In JMP haben wir die Principal Components (PC) -Plattform, um die Dimensionsreduzierung für fortlaufende Variablen durchzuführen. Bei kategorialen Variablen können wir jedoch nicht mithilfe der PC-Plattform modellieren. In JMP 12 haben wir die MCA-Plattform (Multiple Correspondence Analysis) hinzugefügt, die mehrere kategoriale Variablen als Eingabevariable verwendet und Assoziationen zwischen den Ebenen dieser Variablen ermittelt. MCA, eine in Europa und Japan beliebte Datenanalysetechnik, ist jetzt eine Erweiterung unserer bereits robusten multivariaten Toolbox. In dieser Präsentation werden wir den Datensatz "Le Roux's Taste" in Kombination mit den von unseren Mitarbeitern der JMP-Abteilung gesammelten Umfragedaten verwenden, um die Datenaufbereitung, statistische Analyse, grafische Darstellung und Interpretation der MCA-Plattform zu untersuchen. Wir werden auch verschiedene Themen in MCA besprechen, wie z. B. Kategorienwolken, Personenwolken, Entfernungen, Dimensionen, Beiträge und ergänzende Elemente zur Unterstützung der Analyse.
