Jianfeng Ding（ jianfeng.ding0 ）、JMPシニアリサーチ統計担当開発者、SAS
LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-ZhdG40ODE60q7caDnX4DM0eaMT8lAjOfw400h300r816', 'ZhdG40ODE60q7caDnX4DM0eaMT8lAjOf', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"400px","height":"300px"});
（マイビデオで見る）
多変量解析では、少数の要因への次元削減は、多数の変数間の変動性を捉えるための最も重要なステップです。JMPでは、連続変数の次元削減を行うための主成分（PC）プラットフォームがあります。ただし、カテゴリカル変数がある場合は、PCプラットフォームを使用してモデル化することはできません。JMP 12では、Multiple Correspondence Analysis（MCA）プラットフォームが追加されました。これは、複数のカテゴリカル変数を入力変数として使用し、それらの変数のレベル間の関連付けを識別しようとします。ヨーロッパと日本で人気のあるデータ分析手法であるMCAは、すでに堅牢な多変量ツールボックスに追加されました。このプレゼンテーションでは、LeRoux et alのTasteデータセットとJMP部門の従業員から収集した調査データを組み合わせて、データの準備、統計分析、グラフ表示、およびMCAプラットフォームを使用した解釈について調べます。また、MCAのさまざまなトピック（カテゴリのクラウド、個人のクラウド、距離、ディメンション、貢献、分析のサポートに役立つ補足要素など）についても説明します。
