MFA(다중 요인 분석)는 PCA(주성분 분석)와 밀접하게 관련된 분석 방법입니다. 그러나 MFA는 여러 테이블의 측정값을 결합한다는 점에서 PCA와 다릅니다. 이러한 테이블을 하위 테이블 또는 하위 행렬이라고도 합니다. 각 하위 테이블에는 테스트 대상 항목 또는 제품을 나타내는 동일한 수의 행이 있습니다. JMP에서 하위 테이블은 단일 데이터 테이블의 열 그룹으로 표시됩니다. 각 열 그룹을 블록이라고 합니다. 블록에 대한 다음 사항을 참고하십시오.
• 블록의 열 수는 다를 수 있습니다. 예를 들어 감각 분석에서 블록은 참가자를 나타냅니다. 일부 참가자는 다른 참가자보다 제품의 속성을 더 적게 평가할 수 있습니다.
• 각 열 블록은 완전히 다른 측정값을 나타낼 수 있습니다. MFA는 모든 측정값의 전역 분석이 가능하도록 각 블록의 크기를 조정합니다.
MFA의 주요 목표는 유사한 제품(데이터 테이블의 행) 그룹을 찾는 것입니다. 2차 목표는 이상치 참가자를 식별하는 것입니다. 이상치 참가자 결과는 나머지 그룹과 너무 달라서 연구 결과가 변경됩니다. 보조 변수를 사용하여 항목이 함께 그룹화되는 이유를 조사할 수 있습니다.
MFA를 사용하면 기기 또는 측정자가 다르거나, 다양한 상황에서 항목의 동일한 속성 또는 다른 속성을 측정하는 연구를 분석할 수 있습니다. MFA는 주로 참가자 간의 다른 측정을 고려하기 위해 감각 분석에서 사용됩니다. 기존의 감각 분석은 참가자의 측정값이 서로 일치하도록 몇 시간의 사전 교육이 필요할 수 있습니다. "fruity", "sweet" 및 "refreshing"으로 설명되는 감각 측정이 있는 주스 제품을 예로 들어보겠습니다. 기존의 감각 분석에서 각 참가자는 고유한 감각 측정에 대한 보고가 참가자 간에 일치하도록 교육과 테스트를 받아야 합니다. MFA를 사용하면 조사원이 교육을 받지 않은 참가자와 함께 PCA와 같은 분석을 수행할 수 있습니다.
MFA를 사용하면 매번 동일한 항목을 측정하고 측정값을 내부적으로 일관된 그룹 또는 블록으로 정렬할 수 있습니다. 감각 분석의 경우 행은 측정되는 항목이고 열은 각 참가자가 기록하는 감각 측면입니다(각 참가자에 대한 블록이 있음). 결측 관측값은 열 평균으로 대체됩니다.
다중 요인 분석에 대한 자세한 내용은 Abdi et al. (2013)에서 확인하십시오.