#author("2023-10-10T17:29:04+09:00;2023-02-02T15:05:33+09:00","default:inoue.ko","inoue.ko") #author("2023-10-10T17:30:59+09:00;2023-02-02T15:05:33+09:00","default:inoue.ko","inoue.ko") *多変量解析 Multivariate Analysis ~ 複数の結果変数からなる多変量データを統計的に扱う手法で、その目的には大きく「予測」と「要約」の２種類があります。一般に、多変量解析は計算量が膨大になるため、コンピュータの活用が必須となります。 ~ ~ **概要 ***予測の手法 独立変数と従属変数の関係を明確にし、一方の情報から他方を予測します。[[機械学習>MachineLearning]]では教師あり学習にあたります。 -独立変数が数量的で、従属変数も数量的な場合 ＞ 重回帰分析 -独立変数が数量的で、従属変数がカテゴリ変数の場合 ＞ 判別分析、__[[ロジスティック回帰>LogisticRegression]]__ -独立変数がカテゴリ変数で、従属変数が数的な場合 ＞数量化I類((飲酒の有/無、喫煙の有/無などを1/0で表し、◯◯病になる「確率」やを予測する・・などが数量化I類にあたります。)) -独立変数がカテゴリ変数で、従属変数もカテゴリ変数の場合 ＞数量化II類((男/女、年代、喫煙の有/無などから、◯◯病を発症する / しない・・などの予測をするのが数量化II類です。)) ~ ***要約の手法 要約の手法には、従属変数（目的変数）の概念はなく、データの種類によって手法が分かれます。[[機械学習>MachineLearning]]では教師なし学習にあたります。 -変数が数量的な場合 ＞ __[[主成分分析>Statistics/PCA]]__、因子分析、クラスター分析 ＞ __[[主成分分析>Statistics/PCA]]__、__[[因子分析>Statistics/FactorAnalysis]]__、クラスター分析 -変数がカテゴリーの場合 ＞__[[コレスポンデンス分析>Statistics/MCA]]__((主成分分析と同じ目的で使う手法で変数を要約します。変数が 1/0 のデータの場合は数量化Ⅲ類、クロス集計表などの量的データの場合はコレスポンデンス分析（対応分析）といわれます。))、数量化III類、MDS（多次元尺度構成法） ~ ~ **APPENDIX ***関連ページ -[[Statistics/FactorAnalysis]]__ 因子分析 -[[Statistics/PCA]]__ 主成分分析 -[[Statistics/MCA]]__ コレスポンデンス分析 ~ ~ ~