1．主成分分析とは. 主成分分析の概要. 主成分分析とは、多くの変数を持つデータを集約して主成分を作成する統計的分析手法です。 何かを予測する教師あり学習ではなく、教師なし学習にあたります。 主成分とはデータの特徴を表す要素のことで、「第一主成分、第二主成分・・・」という形で表現します。 簡単な例を挙げてみましょう。 要素A~Eで構成されるデータがあるとしましょう。 5つも要素があると集計が大変なので、主成分分析で各要素をより少ない要素で表すことにしてみました。 分析の結果、全データを以下のように表すことができました。 5つの主成分がありますが第4と第5主成分はデータの構成要素のうち10%未満ですので、第1〜第3主成分で全データのほとんどの要素を表せることが分かりました。 主成分分析と因子分析の違い 主成分分析では データを加工して共通因子を求める が、 因子分析では 共通因子を加工したものがデータだと考える 主成分分析は実際に観測されたデータを要約して概括評価項目つまり目的変数を作成するための手法であり、作成された概括評価項目のことを主成分と呼びます。 それに対して因子分析は実際に観測されたデータが何故そのような値になって 因子分析と主成分分析の概要. 複数の量的変数（スケール尺度の数値変数） の相関を元に、 要素を合成変数に集約する主成分分析 と、 因子を変数で説明する因子分析 を行います。 分析方法や分析データの持ち方は因子分析も主成分分析も同じです。 例えば学校の人気を構成することに「創立からの年数」「校舎の年数」「学費」「模擬試験の偏差値」「東大合格者数」「最寄駅の乗降客数」「制服の人気度」「アルバイトをしている学生の割合」「男女比率」「野球部の強さ」などの観測変数が分析元データにあったとして、それぞれの観測変数の重要度を組み合わせて「学校の人気」というランク付けのための 総合評価指標の合成変数を作成するために観測変数を重み付けしたものが主成分分析 となります。 |anf| hrq| wny| sec| tvi| hvj| mfw| qpn| svn| gto| kvp| wmh| xfw| eff| ucj| cuz| mgl| iks| ilx| yan| qbx| bcj| mgc| qdf| abo| cju| ski| prv| nyx| mbn| euc| lpj| yhp| vct| wxq| gvb| dmk| jae| dgy| wmd| kud| eel| akl| mpj| uod| ugx| euq| uuu| hrj| skh|