説明
- このプロットでは2つの主成分の関係をグラフにします。スコアプロットを使用してデータの構造を評価し、クラスター、外れ値、および傾向を検出することができます。
- プロット上のデータの群は、データ内に2つ以上の別々の分布があることを示す可能性があります。
- データが正規分布に従っていて外れ値がない場合には、点はゼロを中心としてランダムに分布します。
2. A >=2のとき、2成分を選択して2D負荷量プロットを表示する
PC1とPC2(グループ円なし)のプロットでは、いくつかの外れ値、たとえば11と23を見つけることができました。
ダイエットを選択し、ユークリッド距離にグループサークルを追加すると、ダイエットタイプの円が他の円から分離されていることがわかりす。
説明
- このプロットは、変数からPCへの寄与度を示します (左側のパネルでPCを選択します)。
- 赤色は負の効果、青色は正の効果を表しています。
- 分散の累積割合 (分散表) を使用して、その因子が説明する分散の量を調べることができます。
- 記述統計の場合は、分散の80% (0.8) が説明できれば十分です。
- データについて他の解析も行う場合は、分散の90%以上を因子によって説明する必要があります。
Loadings
Variance table
説明
- このプロット (バイプロット) では、主成分と負荷量を重ねています (左側のパネルでPCを選択します)。
- データが正規分布に従っていて外れ値がない場合には、点はゼロを中心としてランダムに分布します。
- 負荷量は、各成分に対して最も効果が大きな変数を特定します。
- 負荷量の範囲は-1から1です。負荷量が-1または1に近い場合は、その変数が成分に強い影響を与えていることを表します。負荷量が0に近い場合は、その変数が成分にあまり影響を与えていないことを表します。
A >=2のとき、2成分を選択して負荷量の2Dプロットを表示する
PC1とPC2のプロットでは、ACAT2がPC1に対して比較的強い負の効果を持ち、PKD4がPC1に対して強い正の効果を持っていることがわかりました。PC2の場合、THIOLには強いプラスの効果があり、VDRには強いマイナスの効果があります。
結果は負荷量プロットに対応しています