主成分分析における軸の回転について
スポンサーリンク
概要
- 論文の詳細を見る
主成分分析(PCA)は,変量の次元を縮約する多変量統計解析の代表的な手法である.主成分の意味付けをするために,固有ベクトルを解釈することになるが,特に主成分数を多くとる場合など,しばしば主成分の解釈が困難な状況に遭遇する.解釈を容易にするために,因子分析の場合のように軸を回転させることができれば便利である.先行研究では,主成分係数を回転対象とする方法と主成分負荷量を目転対象とする2つの立場がある.本論文ではPCAを次元縮約の方法と捉え,縮約された低次元空間の中で解釈し易いように座標軸を導入するという立場で,Jolliffe(1995)の提唱した3つの基準化の方法及び回転対象として主成分係数・主成分負荷量のどちらを選ぶかという問題を整理し,2組の実データ及び因子分析モデルに従って生成した人工データに適用して数値的検討を行った.その結果,基準化3(分散が1に等しくなるように基準化した場合)では,主成分負荷量を直交回転する方が対比が形成されにくく,く1つの軸に1つの意味が付与できることが明らかになった.
- 日本計算機統計学会の論文
- 2008-01-31
著者
関連論文
- 数量化II類と2段階線形判別分析法の判別性能
- 大規模なゲノムデータにおける関連解析の手法とソフトウェア
- 数量化II類と2段階線形判別分析法の判別性能
- 大規模なゲノムデータにおける関連解析の手法とソフトウェア
- 日本の自殺データにおける時空間解析
- PLS回帰におけるモデル選択
- PLS回帰における成分数の決定について(セッション2B)
- サポートベクターマシンによる統計的判別--線形判別関数と比較した統計的性質
- 数量化2類及びDisqual法による質的データ判別(セッション5B)
- 3つの発現モデルにおける多変量QTLと遺伝子型との関連解析(セッション2A)
- 偏最小2乗回帰のアルゴリズムと性能(セッション1B)
- ST-4 部分空間法における感度分析(学生セッション)
- 主成分分析における軸の回転について
- 部分空間法と統計的識別について
- サポートベクターマシンによる統計的判別
- 主成分分析における軸の回転について(学生研究発表賞セッション)
- 関数正準相関分析における感度分析(日本計算機統計学会 第19回大会)
- Cox比例ハザードモデルにおける影響診断 : BreslowとEfronによる部分尤度法の場合(一般講演III)
- ISI2005に参加して
- 現在の遺伝統計学と統計分野からの貢献
- 岡山大学大学院自然科学研究科に来て
- COMPSTAT2010に参加して
- 自殺死亡データの空間相関モデルへの応用(セッション3B)
- DNAデータにおけるLD集積性と代表SNPの選択(セッション1A)
- ぶどう膜炎の白内障手術における術後前眼部炎症の予測因子