多元分析介绍

•	“多元”平台检查多个变量以查看它们之间如何彼此相关。请参见相关性和多元方法。

•	“主成分”平台从一组测量变量中得到少数几个相互独立的线性组合（主成分），使用它们来捕获原始变量中尽可能多的变异性。这是一种有用的探索性方法，可帮助您创建预测模型。请参见主成分。

•	“判别”平台尝试找到一种根据已知的连续响应 (Y) 来预测分类 (X) 变量（名义型或有序型）的方法。它可以视为多元方差分析 (MANOVA) 的逆预测。请参见判别分析。

•	“偏最小二乘”平台根据因子即解释变量 (X) 的线性组合来拟合线性模型。“偏最小二乘”利用 X 和 Y 之间的相关性来揭示底层的潜在结构。请参见偏最小二乘模型。

•	“层次聚类”平台将在几个变量上享有相似值的行分组在一起。这是一种有用的探索性方法，可帮助您理解数据的聚簇结构。请参见层次聚类。

•	“K 均值聚类”平台将在几个变量上享有相似值的观测分组在一起。请参见 K 均值聚类。

•	“正态混合”平台可使您在数据来自重叠的正态分布时对观测聚类。请参见正态混合。

•	“潜在类分析”平台可找到分类响应变量的观测聚类。该模型采取多项式混合模型的形式。请参见潜在类分析。

•	“聚类变量”平台将相似变量分到典型组中。您可以将“聚类变量”用作降维方法。您不用在建模中使用大量变量，聚类成分或聚类中最典型的变量便可解释数据中的大部分变异。请参见聚类变量。