<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Jianfeng Ding , JMP Senior Research Statistician Developer, SAS
Nell'analisi multivariata, la riduzione della dimensione in un piccolo numero di fattori è il passo più importante per catturare la variabilità tra un grande numero di variabili. In JMP, abbiamo la piattaforma Principal Components (PC) per fare la riduzione delle dimensioni per variabili continue; tuttavia, quando abbiamo variabili categoriali, non possiamo modellare utilizzando la piattaforma PC. In JMP 12, abbiamo aggiunto la piattaforma Multiple Correspondence Analysis (MCA), che prende più variabili categoriali come variabili di input e cerca di identificare le associazioni tra i livelli di tali variabili. MCA, una tecnica di analisi dei dati popolare in Europa e in Giappone, è ora un'aggiunta alla nostra già robusta cassetta degli attrezzi multivariata. In questa presentazione utilizzeremo il set di dati Le Roux's Taste combinato con i dati dei sondaggi raccolti dai dipendenti della nostra divisione JMP per esplorare la preparazione dei dati, l'analisi statistica, la rappresentazione grafica e l'interpretazione utilizzando la piattaforma MCA. Discuteremo anche vari argomenti dell'MCA, come il cloud delle categorie, il cloud degli individui, le distanze, la dimensionalità, i contributi e gli elementi supplementari per supportare l'analisi.
