作者clever1510 (clever)
看板Statistics
标题[论文] PCA 与 CA
时间Wed Nov 23 17:36:01 2011
大家好, 我在分析资料上有点困惑, 所以上版请教大家的看法
如果型态资料是计数性的资料(鳞片数目... 等等), 混合了一些类别性的资料 (红色黄色)
可不可以使用 CA (correspondence analysis) 来看两族群型态是否有所区别?
一般看文献, 大多在做这类分析是使用 PCA, 但是PCA 处理的资料型式是连续性的,
所以类别性的资料就不能加进去分析。後来我上网查了一下, 发现有个软体 PAST
http://palaeo-electronica.org/2001_1/past/issue1_01.htm 说明书上介绍 CA
Correspondence analysis (CA) is a further ordination method, somewhat similar
to PCA, but for
counted or
discrete data. Correspondence analysis can compare
associations containing counts of taxa or counted taxa across associations.
Also, CA is more suitable if it is expected that species have unimodal
responses to the underlying parameters, that is they favor a certain range of
the parameter and become rare under for lower and higher values (this is in
contrast to PCA, that assumes a linear response).
想说会不会 CA 比 PCA 更适合我的资料分析呢?
因为後来查了文献, 好像大多数人还是使用 PCA, 几乎没有 CA的例子, 所以上来请教。
(另外PAST中 CA 的功能我怀疑应该是 MCA: Multiple Correspondence Analysis
因为我的资料不只两种类别, 但是输入还是可以分析, 所以我猜他大概是MCA 不是simple
correspondence analysis)
烦请大家为我解答了! 感谢!
--
※ 发信站: 批踢踢实业坊(ptt.cc)
◆ From: 140.122.143.192
※ 编辑: clever1510 来自: 140.122.143.192 (11/23 17:55)
1F：→ yhliu:不要被简写给混淆了! 11/24 15:09
2F：→ yhliu:PCA, CA, MCA 三者是不相干的方法. 11/24 15:09
3F：→ yhliu:多个连续型反应变数才有可能考虑 PCA, 11/24 15:10
4F：→ yhliu:MCA 其实是一个连续型反应变数对多个类别解释变数的主效应 11/24 15:11
5F：→ yhliu:回归模型, 也就是不考虑交互作用. 11/24 15:11
6F：→ yhliu:CA 是两个多类别变数交叉分类的统计表的结构分解. 11/24 15:13