다차원 척도법 플랫폼 시작

분석 > 다변량 방법 > 다차원 척도법을 선택하여 다차원 척도법 플랫폼을 시작합니다.

그림 10.4 다차원 척도법 시작 창 

"열 선택"의 빨간색 삼각형 메뉴에 포함된 옵션에 대한 자세한 내용은 JMP 사용의 열 필터 메뉴에서 확인하십시오.

Y, 열

분석할 열입니다. 데이터 유형이 숫자여야 합니다.

기준

개별 분석을 정의하는 수준이 포함된 하나 이상의 열입니다. 지정된 열의 각 수준에 대해 해당 행은 사용자가 지정한 다른 변수를 사용하여 분석됩니다. 결과는 개별 보고서에 제공됩니다. 기준 변수가 둘 이상 할당되면 기준 변수의 가능한 각 수준 조합에 대해 개별 보고서가 생성됩니다.

참고: 거리 행렬을 사용하는 경우 기준 변수에 해당 기준 변수의 각 수준에 대한 완전 행렬이 필요합니다.

데이터 형식

MDS는 다음과 같은 두 가지 데이터 형식을 지원합니다. 형식을 지정하거나, JMP에서 데이터 형식을 추론하게 할 수 있습니다.

자동

데이터 형식이 추론됩니다. 발견적 방법을 사용하여 거리 행렬 테이블을 식별하고 다른 모든 데이터 테이블은 속성 목록 형식을 갖는 것으로 가정됩니다.

거리 행렬

행 수가 열 수와 동일한 완전 대칭, 하삼각 또는 상삼각 행렬입니다. 대각 항목은 0 또는 결측일 수 있습니다.

속성 목록

개체의 품질 또는 특성에 대한 측도가 포함된 열 집합입니다. 측도가 동일한 척도를 사용한다고 가정합니다. 일반적으로 열에 개체 이름이 지정됩니다. 개체 열은 분석에 사용되지 않고 MDS 그림에서 데이터 점의 라벨로 사용됩니다.

변환

지원되는 변환은 "비", "구간" 및 "순서형"입니다.

없음

변환이 사용되지 않습니다.

비

데이터에 가장 작은 것부터 큰 것까지 순서가 있고, 값의 차이에 의미가 있으며, 척도 0은 절대 0입니다. MDS 그림을 척도화하는 데 사용됩니다.

구간

데이터에 가장 작은 것부터 큰 것까지 순서가 있고, 값의 차이에 의미가 있습니다. MDS 그림을 척도화하고 이동하는 데 사용됩니다.

순서형

데이터에 가장 작은 것부터 큰 것까지 순서가 있습니다. 순서형 데이터에 사용됩니다.

차원 설정

개체 간의 근접성을 시각적으로 표현하기 위한 차원 수입니다. 일반적으로 2차원 또는 3차원이 사용됩니다. 3차원보다 크면 시각화가 복잡해집니다.

거리 행렬을 사용하는 경우 1에서 n - 1 사이의 차원을 선택할 수 있습니다(n = 개체 수).

속성 목록을 사용하는 경우 다음 사항에 유의하십시오.

– n > p인 경우 차원 수는 1에서 p 사이일 수 있습니다(p = 속성 수).

– n £ p인 경우 1에서 n - 1 사이의 차원을 선택할 수 있습니다(n = 개체 수).

거리 행렬 처리 및 다차원 척도 최적화는 계산량이 많은 프로세스입니다. 큰 거리 행렬을 처리할 때 진행률 창을 사용하여 프로세스를 모니터링하거나 취소할 수 있습니다. 최적화의 경우 MDS에서는 비볼록 최적화 알고리즘을 사용합니다. 로컬 최적 해를 방지하기 위해 시작 값을 여러 개 사용하는 것이 중요합니다. 중간 규모에서 대규모 데이터 집합의 경우 대화식 진행률 창을 통해 최적화 프로세스를 모니터링하고, 현재 시작에 대한 추정값 또는 현재 해를 수락할 수 있습니다.