다변량 방법
다변량 분석 소개
다변량 기법 개요
다변량 방법에서는 여러 변수를 동시에 분석하는 다음 기법에 대해 설명합니다.
• 다변량 플랫폼에서는 여러 변수가 서로 어떤 관계가 있는지 검토합니다. 자세한 내용은 상관 및 다변량 기법에서 확인하십시오.
• 주성분 플랫폼에서는 측정된 변수 집합 중 원래 변수의 변동성을 가능한 한 많이 포착하는 소수의 독립적 선형 결합(주성분)을 도출합니다. 이 방법은 유용한 탐색 기법이며 예측 모형을 생성하는 데 도움이 될 수 있습니다. 자세한 내용은 주성분에서 확인하십시오.
• 판별 플랫폼에서는 알려진 연속형 반응(Y)을 기반으로 명목형 또는 순서형 분류(X) 변수를 예측하는 방법을 찾습니다. 이 방법은 MANOVA(다변량 분산분석)의 역추정 예측으로 간주할 수 있습니다. 자세한 내용은 판별 분석에서 확인하십시오.
• 부분 최소 제곱 플랫폼에서는 요인, 즉 설명 변수(X)의 선형 결합을 기반으로 선형 모형을 적합시킵니다. PLS는 X와 Y 사이의 상관을 이용하여 기본 잠재 구조를 나타냅니다. 자세한 내용은 부분 최소 제곱 모형에서 확인하십시오.
• MCA(다중 대응 분석) 플랫폼에서는 여러 범주형 변수를 사용하여 해당 변수 수준 간의 연관성을 식별합니다. MCA는 특히 프랑스와 일본에서 사회 과학 분야에 주로 사용됩니다. 설문 조사 분석에서 질문 합치도를 식별하는 데 사용할 수 있습니다. 자세한 내용은 다중 대응 분석에서 확인하십시오.
• 
구조 방정식 모형 플랫폼에서는 확증적 요인 분석, 잠재 변수를 사용하거나 사용하지 않는 경로 모형, 측정 오차 모형 등의 다양한 모형을 적합시킬 수 있습니다. 자세한 내용은 구조 방정식 모형에서 확인하십시오.
• 요인 분석 플랫폼을 사용하면 더 큰 관측 변수 집합에서 요인을 구성할 수 있습니다. 이러한 요인은 관측 변수 부분집합의 선형 결합으로 표현됩니다. 요인 분석을 사용하면 측정 및 관측된 변수 집합으로 설명되는 요인의 수, 요인과 변수 간 관계의 강도 등을 탐색할 수 있습니다. 자세한 내용은 요인 분석에서 확인하십시오.
• MDS(다차원 척도법) 플랫폼을 사용하면 개체 집합 간의 근접성 패턴(유사성, 비유사성 또는 거리)을 시각적으로 표현할 수 있습니다. 자세한 내용은 다차원 척도법에서 확인하십시오.
• 
다변량 임베딩 플랫폼을 사용하면 고차원 공간의 데이터를 저차원 공간에 매핑할 수 있습니다. 자세한 내용은 다변량 임베딩에서 확인하십시오.
• 항목 분석 플랫폼을 사용하면 항목 반응 이론 모형을 적합시킬 수 있습니다. IRT(항목 반응 이론) 방법은 검사 및 설문지와 같이 측정기의 분석 및 스코어링에 사용됩니다. IRT는 개인이 어떤 항목을 지지하거나 올바르게 응답할 확률을 특성 또는 능력과 연관시키기 위해 모형 시스템을 사용합니다. 표준화 검사, 인지 발달 및 소비자 선호도를 연구할 때 IRT를 사용할 수 있습니다. 자세한 내용은 항목 분석에서 확인하십시오.
• 계층적 군집화 플랫폼에서는 여러 변수에 대해 유사한 값을 공유하는 행을 함께 그룹화합니다. 이 방법은 데이터의 군집 구조를 이해하는 데 도움이 되는 유용한 탐색 기법입니다. 자세한 내용은 계층적 군집화에서 확인하십시오.
• K 평균 군집화 플랫폼에서는 여러 변수에 대해 유사한 값을 공유하는 관측값을 그룹화합니다. 자세한 내용은 K 평균 군집화에서 확인하십시오.
• 정규 혼합 플랫폼을 사용하면 중첩 정규 분포의 데이터를 가져올 때 관측값을 군집화할 수 있습니다. 자세한 내용은 정규 혼합에서 확인하십시오.
• 잠재 계층 분석 플랫폼에서는 범주형 반응 변수에 대한 관측값 군집을 찾습니다. 모형은 다항 혼합 모형의 형태를 취합니다. 자세한 내용은 잠재 계층 분석에서 확인하십시오.
• 변수 군집화 플랫폼에서는 유사한 변수를 대표 그룹으로 그룹화합니다. 변수 군집화를 차원 축소 방법으로 사용할 수 있습니다. 큰 변수 집합을 사용하여 모델링하는 대신 군집에서 가장 대표적인 변수의 군집 성분을 사용하여 데이터 변동의 대부분을 설명할 수 있습니다. 자세한 내용은 변수 군집화에서 확인하십시오.