データ構造の分析

Minitabには、データ共分散構造を評価するための2つの分析が用意されています。
主成分分析
主成分分析は、元の変数の共分散構造を理解しやすく、および・または、この構造を使用して少数の変数を作成しやすくします。Minitabで、統計 > 多変量解析 > 主成分分析を選択します。
因子分析
主成分と同様に、データの共分散構造をより少数の次元にまとめます。因子分析では、大きな変動性に関連付けられた次元について、それを説明する主要な「因子」を特定することが主要な目的になります。Minitabで、統計 > 多変量解析 > 因子分析を選択します。

内部整合性

項目分析
項目分析は、1つの調査または検定において複数の項目が一貫して同じ構造を測定する方法を評価します。Minitabで、統計 > 多変量解析 > 項目分析を選択します。

観測値のグループ化

Minitabには、観測値または変数のグループ化のために、次のクラスター分析法と判別分析が用意されています。
クラスター観測値
クラスター観測値分析は、グループが最初は不明な場合に、互いに「近い」観測値をグループ化します。この分析は、グループ化に関する外部情報がない場合に適しています。最終グループ化するかどうかは通常、クラスター化統計量を表示した後で、観測値にとって何がふさわしいかに基づいて選択します。Minitabで、統計 > 多変量解析 > クラスター分析 - 観測値を選択します。
クラスター変数
クラスター変数分析は、グループが最初は不明な場合に、互いに「近い」変数をグループ化します。変数の数を減らしてデータを単純化するために、変数をクラスター化したいと思うかもしれません。変数のクラスター化で使用するこの方法は、観測値をクラスター化するために使用する方法と同じです。Minitabで、統計 > 多変量解析 > クラスター分析 - 変数を選択します。
クラスター平均法
クラスターK平均分析は、互いに「近い」観測値をグループ化します。K平均法によるクラスター化は、良好な初期クラスター指定を行うために十分な情報がそろっている場合に最適です。Minitabで、統計 > 多変量解析 > クラスター分析 - K-Means法を選択します。
判別分析
判別分析は、既知のグループに対するサンプルが存在する場合に、観測値を複数のグループに分類します。判別分析を使用すると、予測変数がグループ化にどのように寄与するかを調べることができます。Minitabで、統計 > 多変量解析 > 判別分析を選択します。

対応分析

Minitabには、カテゴリ変数の関係を調べるために、2つの対応分析法が用意されています。
単純コレスポンデンス分析
単純コレスポンデンス分析は、2元分類における関係を調べます。3元表と4元表を折りたたんで2元表にすることができるので、この分析にこれらの表を使用することもできます。単純コレスポンデンス分析では分割表が分解されますが、その方法は主成分分析における多変量連続データの分解と似ています。また、単純コレスポンデンス分析では、データの固有分析が行われ、変動性が潜在的な次元に分割されて行と列(またはそのどちらか)に関連付けられます。Minitabで、統計 > 多変量解析 > 単純コレスポンデンス分析を選択します。
多重コレスポンデンス分析
多重コレスポンデンス分析は、単純コレスポンデンス分析を拡張したもので、カテゴリ変数が3つ以上あるときに使用します。多重コレスポンデンス分析では、指標変数の行列に対して単純コレスポンデンス分析が行われます。指標変数の行列は、各列にカテゴリ変数の各水準を配置したものです。多元表は折りたたまれて、2元表ではなく1次元になります。Minitabで、統計 > 多変量解析 > 多重コレスポンデンス分析を選択します。
本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください