<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Jianfeng Ding , JMP Senior Research Statistician Developer, SAS
En el análisis multivariado, la reducción de la dimensión en un pequeño número de factores es el paso más importante para capturar la variabilidad entre un gran número de variables. En JMP, tenemos la plataforma de Componentes Principales (PC) para hacer reducción de dimensión para variables continuas; sin embargo, cuando tenemos variables categóricas, no podemos modelar usando la plataforma de PC. En JMP 12, agregamos la plataforma de Análisis de Correspondencia Múltiple (MCA), que toma múltiples variables categóricas como variables de entrada y busca identificar asociaciones entre los niveles de esas variables. MCA, una técnica de análisis de datos popular en Europa y Japón, ahora es una adición a nuestra ya robusta caja de herramientas multivariable. En esta presentación, utilizaremos el conjunto de datos Taste de Le Roux combinado con datos de encuestas recopilados de nuestros empleados de la división JMP para explorar la preparación de datos, el análisis estadístico, la representación gráfica y la interpretación utilizando la plataforma MCA. También discutiremos varios temas en MCA, como la nube de categorías, la nube de individuos, las distancias, la dimensionalidad, las contribuciones y los elementos complementarios para ayudar a respaldar el análisis.
