다변량 분석 예제

2019年8月3日

다변량 분석을 위한 소프트웨어 패키지 및 기타 도구의 엄청난 수가 있습니다: 환자 그룹을 연구할 때, 현상은 근본적인 요인에 다르게 “로드”하는 경향이 있습니다. 계수 하중은 행렬의 각 행이 변수이고 각 열이 요인인 요인 하중 행렬로 표현됩니다. 이러한 행렬은 각 변수가 각 요소와 얼마나 높은 상관 관계 또는 로드의 상관 관계를 검사하는지 검사합니다. 각 변수는 하나 이상의 변수에 로드될 수 있습니다. 다음으로, 어떤 요소를 유지해야 하며 변수에 대한 설명에 충분히 기여하지 않는 것으로 폐기할 수 있는지 결정해야 합니다. 이는 특정 요인에 의해 설명되는 데이터의 분산 양인 eigenvalue를 계산하여 수행됩니다. 이 시점까지의 프로시저를 주 성분 분석이라고 합니다. 요인 해석의 추가 단계에는 일반적인 요인(대부분의 변수가 축에 크게 로드)과 양극성 요소(일부 변수가 양수 로드및 축에 음수 로부하)를 결정하는 축 회전이 포함됩니다. 요인 복잡성은 두 개 이상의 요인에 크게 로드되는 변수 수를 관찰하여 결정됩니다. 다변량 방법은 상이한 양상에 따라 세분화될 수 있다. 우선, 데이터의 조합 내에서 구조를 발견하는 것이 목적인지, 또는 데이터가 특정 구조로 검사되어야 하는지에 따라 차별화됩니다. 구조 구조 결정 방법은 다음과 같습니다 : 앤더슨의 1958 교과서, 다변량 분석 소개,[4] 이론가의 세대와 응용 통계학자를 교육; 앤더슨의 책은 가능성 비율 테스트와 전원 기능의 특성을 통해 가설 테스트를 강조: 허용성, 편견과 단조로움.

[5] [6] 이와 같은 측정 모델에 대한 다양한 분석 방법이 있습니다. 여기에는 확인 요인 분석 및 예비 요인 분석이 포함되며 일반적으로 컴퓨터에서 수행됩니다. 다변량 분석은 상관관계가 높은 변수 간의 거동을 보다 정확하게 볼 수 있으며 제품 또는 프로세스에서 잠재적인 문제를 감지할 수 있습니다. 많은 결정은 단변량 분석을 기반으로 하지만 다변량 분석만이 변수를 개별적으로 살펴보면 명확하지 않은 문제를 감지하는 데 도움이 되는 관계를 보여 줍니다.

カテゴリー:未分類