数据结构分析

Minitab 为评估数据的协方差结构提供两种分析:
主成份分析
主分量分析可帮助您了解原始变量中的协方差结构和/或使用该结构生成数量更少的变量。在 Minitab 中,选择统计 > 多变量 > 主成分
因子分析
与主分量一样,因子分析能够以更少的维数汇总数据的协方差结构。因子分析的重点是找出可解释与巨大数据变异相关的维度的基础“因子”。在 Minitab 中,选择统计 > 多变量 > 因子分析

内部一致性

项分析
项分析评估调查或检验中的多个项度量同一结构体时的一致程度。在 Minitab 中,选择统计 > 多变量 > 项目分析

将观测值分组

Minitab 提供了聚类分析法和判别分析,用于为观测值或变量分组:
观测值聚类
观测值聚类用于在组最初未知的情况下为彼此靠得很近的观测值分组。当不存在与分组相关的外部信息时,此分析是一种不错的选择。最终分组的选择通常是在查看聚类统计量后根据对数据具有逻辑性的分组来做出。在 Minitab 中,选择统计 > 多变量 > 观测值聚类
变量聚类
变量聚类分析用于在组最初未知的情况下为彼此“接近”的变量分组。您可能希望创建变量聚类以减少它们的数量并简化您的数据。用于变量聚类的方法类似于用于观测值聚类的方法。在 Minitab 中,选择统计 > 多变量 > 变量聚类
K 均值聚类
K 均值聚类分析用于为彼此“接近”的观测值分组。K 均值聚类最适合存在足够可用信息进行有效起始聚类指定的情况。在 Minitab 中,选择统计 > 多变量 > K 均值聚类
判别分析
判别分析用于在样本具有已知组的情况下将观测值分类为两个或两个以上的组。您可以使用判别分析调查预测变量对分组的影响。在 Minitab 中,选择统计 > 多变量 > 判别分析

对应分析

Minitab 提供了两种对应分析方法来研究类别变量之间的关系:
简单对应分析
简单对应分析研究双因子分类中的关系。您可以将此分析用于 3 因子表和 4 因子表,因为 Minitab 可以将它们折叠成双因子表。简单对应分析可分解列联表,类似于主分量分析分解多元连续数据。简单对应分析可对数据进行特征分析,将变异性分解为基本维度,以及将变异性与行和/或列相关联。在 Minitab 中,选择统计 > 多变量 > 简单对应分析
多重对应分析
多重对应分析是将简单对应分析扩展到 3 个或 3 个以上类别变量的情况。多重对应分析可对矩阵的每列对应于一个类别变量水平的指示变量矩阵执行简单对应分析。对于多因子表,该分析不是将其折叠成双因子表,而是折叠成 1 个维度。在 Minitab 中,选择统计 > 多变量 > 多重对应分析
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策