다중 요인 분석: 다중 테이블 및 다중 블록 데이터 세트를 위한 주성분 분석

초록 다중 요인 분석(MFA, 또한 다중 인자 분석이라고 함)은 동일한 관찰에서 수집된 변수 집합을 측정하는 여러 데이터 테이블을 처리하기 위해 맞춤화된 주성분 분석(PCA)의 확장입니다. 또는, (이중 MFA에서) 서로 다른 관찰 집합에 대해 동일한 변수가 측정되는 여러 데이터 테이블입니다. MFA는 두 단계로 진행됩니다: 첫째, 각 데이터 테이블의 PCA를 계산하고 각 데이터 테이블의 모든 요소를 PCA에서 얻은 첫 번째 특잇값으로 나누어 '정규화'합니다. 둘째, 모든 정규화된 데이터 테이블이 집계되어 관찰에 대한 요인 점수와 변수에 대한 로딩을 제공하는 (비정규화된) PCA를 통해 분석되는 총 데이터 테이블이 됩니다. 또한, MFA는 각 데이터 테이블에 대해 이 데이터 테이블의 특정 '관점'을 반영하는 관찰에 대한 부분 요인 점수 집합을 제공합니다. 흥미롭게도, 공통 요인 점수는 원래 정규화된 데이터 테이블을 각 테이블의 PCA에서 얻은 정규화된 요인 점수로 대체함으로써 얻을 수 있습니다. 이 기사에서는 MFA를 소개하고 최근의 확장을 검토하며 자세한 예를 통해 설명합니다. WIREs Comput Stat 2013, 5:149–179. doi: 10.1002/wics.1246 이 기사는 다음 범주로 분류됩니다: 데이터: 유형 및 구조 > 범주형 데이터 통계 학습 및 데이터 과학의 탐색적 방법 > 탐색적 데이터 분석 데이터 분석의 통계 및 그래픽 방법 > 다변량 분석