Minitabに含まれている多変量解析

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 > 主成分を選択します。

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 > 因子分析を選択します。

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。

クラスター分析 - 観測値

クラスター観測値分析では、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。最終的に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 > クラスター分析 - 観測値を選択します。

クラスター分析 - 変数

クラスター変数分析では、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。変数の数を減らしたい場合に、変数をクラスター化して、データを単純化することをお勧めします。変数をクラスター化する方法は、観測値のクラスター化に使用する方法と似ています。Minitabで、統計 > 多変量 > クラスター分析 - 変数を選択します。

クラスター分析 - K-Means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 > 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 > 判別分析を選択します。

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 > 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

多重対応分析は、単純対応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。多重対応分析では、指標変数の行列に対して単純対応分析が行われます。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 > 多重コレスポンデンス分析を選択します。