تحليل الانحدار العوامل التكاملية واستدلالها لتحليل البيانات متعددة الأنماط

تظهر البيانات متعددة الأنماط، حيث يتم جمع أنواع مختلفة من البيانات من نفس الموضوعات، بسرعة في مجموعة متنوعة من التطبيقات العلمية. يستخدم تحليل العوامل عادةً في التحليل التكاملية للبيانات متعددة الأنماط، وهو مفيد بشكل خاص للتغلب على لعنة الأبعاد العالية والت correlations العالية. ومع ذلك، هناك القليل من العمل على الاستدلال الإحصائي لتحليل العوامل المعتمد على نمذجة البيانات متعددة الأنماط. في هذه المقالة، نعتبر نموذج انحدار خطي تكاملي قائم على العوامل الكامنة المستخرجة من البيانات متعددة الأنماط. نتناول ثلاث أسئلة مهمة: كيف نستنتج دلالة نمط بيانات واحد بالنظر إلى الأنماط الأخرى في النموذج؛ كيف نستنتج دلالة مجموعة من المتغيرات من نمط واحد أو عبر أنماط مختلفة؛ وكيف نقوم بتقدير الإسهام، المقاس بجودة المطابقة، لنمط بيانات واحد بالنظر إلى الأنماط الأخرى. عند الإجابة على كل سؤال، نقوم بتحديد كل من الفائدة والتكلفة الإضافية لتحليل العوامل. لم يتم تناول هذه الأسئلة، وفقًا لمعرفتنا، رغم الاستخدام الواسع لتحليل العوامل في التحليل التكاملية متعددة الأنماط، واقتراحنا يسد فجوة هامة. ندرس الأداء التجريبي لطرقنا من خلال المحاكاة، ونوضح أيضًا من خلال تحليل التصوير العصبي متعدد الأنماط.