多重対応分析の例
この例では、JMPグループに所属する従業員55人から、次の分野に対する好みや嗜好について尋ねたデータを使用します。
• 好きなテレビ番組（8カテゴリ）: news, comedy, police, nature, sport, film, drama, soap operas（ニュース、コメディ、警察もの、自然、スポーツ、映画、ドラマ、メロドラマ）
• 好きな映画（8カテゴリ）: action, comedy, costume drama, documentary, horror, musical, romance, SciFi（アクション、コメディ、時代劇、ドキュメンタリー、ホラー、ミュージカル、ロマンス、SF）。
• 好きなアート（7カテゴリ）: performance, landscape, renaissance, still life, portrait, modern, impressionism（パフォーマンス・アート、風景画、ルネッサンス芸術、静物画、肖像画、現代美術、印象派）
• 好きな外食（6カテゴリ）: Burgers & Fries, pub, Indian, Italian, French, steak house（バーガー＆フライドポテト、パブ、インド料理店、イタリア料理店、フランス料理店、ステーキハウス）
データには、回答者の属性情報も含まれています。4つの質問に対する55人の回答の関連を調べて、どんなグループに分かれるのかを見てみましょう。
メモ: この嗜好に関する調査は、LeRoux and Rouanet（2010）の質問に基づいています。
1. ［ヘルプ］>［サンプルデータライブラリ］を選択し、「Employee Taste.jmp」を開きます。
2. ［分析］>［多変量］>［多重対応分析］を選択します。
3. 「テレビ」、「映画」、「美術」、「レストラン」を選択し、［Y, 目的変数］をクリックします。
通常の多重対応分析を行うには、主成分分析と同じ様に、変数を指定してください。つまり、分析したい変数を、目的変数と説明変数に分けるのではなく、すべて目的変数に指定して下さい。
4. ［OK］をクリックします。
図7.2 入力が完了した「多重対応分析」起動ウィンドウ
図7.3 初期状態の「多重対応分析」レポートの一部
ヒント: 重なり合っているラベルは、クリック＆ドラッグすることで、ラベルの位置を調整することができます。
5. プロットの下にある［マーカーサイズを度数に比例させる］を選択します。
マーカーのサイズが、各カテゴリの相対的な度数を示すようになります。
「対応分析」レポートでは、最初の2つの主軸（最初の2つの次元）に、4つの変数の各カテゴリが射影されています。プロットの下にあるコントロールを使用して、表示する次元を変更できます。点間の距離は、回答者の回答パターンが似ているか否かを表しています。
このプロットを見て、固有知識も活用しながら、結果を解釈していきましょう。
– レストランの好みが「Burgers&Fries」である点の近くに、テレビ番組の好みが「Sport」と「Police」である点があります。このクラスターを、「ポップカルチャー」と呼ぶことにしましょう。
– 第2次元目を見ると、ポップカルチャーのクラスターから離れて、やや「洗練された」趣味の持ち主（映画では「Documentary」、テレビでは「Drama」、レストランでは「French」や「Indian」などの専門的料理を好む人たち）のクラスターがあります。
各回答者に対するスコアを求めるには、回答者のIDを含んでいる列を［X, 説明変数］に追加します。
6. 「変数の要約」アウトラインを開きます。
「変数の要約」パネルを使えば、プラットフォームを起動し直さなくても、分析を変更できます。また、「変数の要約」では、分析に用いた変数が簡潔にまとめられています。
7. 「個体」を選択して、［Xに追加］をクリックすると、分析結果が自動的に更新されます。
図7.4 「多重対応分析」レポートに個体を追加
前述のポップカルチャーの領域の近くとしては、作成されたプロットの左下に、趣味が似ている回答者のクラスターがあるようです。