Insira seus dados para Análise de componentes principais

Estat > Multivariada > Componentes principais

Especifique os dados da sua análise, insira o número de componentes a calcular e especifique o tipo da matriz.

Neste tópico

Insira seus dados
Número de componentes para calcular
Tipo de Matriz

Insira seus dados

Em Variáveis, especifique as colunas de dados que você deseja analisar. Você deve ter duas ou mais colunas de dados numéricos, com cada coluna representando uma medição diferente. Se existir um valor faltante em qualquer coluna, o Minitab ignora toda a linha. O Minitab exclui os valores faltantes do cálculo da matriz de correlação ou de covariância.

Nesta worksheet. cada coluna contém medições para um tipo diferente de informação sobre um pedido de empréstimo.

C1	C2	C3	C4	C5	C6	C7	C8
Renda	Educação	Idade	Residência	Emprego	Poupança	Dívida	Cartões de crédito
50000	16	28	2	2	5000	1200	2
72000	18	35	10	8	12000	5400	4
61000	18	36	6	5	15000	1000	2
88000	20	35	4	4	980	1100	4
91100	18	38	8	9	20000	0	1
45100	14	41	15	14	3900	22000	4

Número de componentes para calcular

Insira o número de componentes principais que você deseja que o Minitab calcule. Se você tiver um grande número de variáveis, poderá especificar um número menor de componentes para reduzir a quantidade de saída. Se você não sabe quantos componentes inserir, pode deixar este campo em branco. Se você não especificar um número, o Minitab calcula o número máximo de componentes, que iguala o número de variáveis. Você pode, depois, usar a saída para determinar quantos componentes explicam a maior parte da variação nas variáveis originais.

Tipo de Matriz

Selecione o tipo de matriz a ser usada para calcular os componentes principais.

Correlação: Use quando suas variáveis tiverem diferentes escalas e você quiser ponderar todas as variáveis igualmente. Por exemplo, se algumas das variáveis usam uma escala de 1-5 e outras usam uma escala de 1-10, use a matriz de correlação para padronizar as escalas.
Covariância: Use quando suas variáveis usarem a mesma escala, ou quando suas variáveis tiverem diferentes escalas, mas você quiser dar mais ênfase às variáveis com variâncias maiores.

Por exemplo, suponha que você conta diferentes espécies de organismos em diversos locais de amostras. Se você selecionar a matriz de covariância, as espécies mais comuns mostrarão variâncias maiores e receberão mais ênfase. As espécies muito raras não afetarão tanto a análise. Se você selecionar uma matriz de correlação, todas as espécies serão ponderadas igualmente. Portanto, espécies muito raras podem contribuir significativamente para os resultados da análise. Portanto, a decisão depende do objetivo do seu estudo.