启动“主成分”平台

通过选择分析 > 多元方法 > 主成分来启动“主成分”平台。“多元”平台和“三维散点图”平台也提供主成分分析。

主成分分析的示例中所述的示例使用 Solubility.jmp 样本数据表中的所有连续变量。

图 4.3 “主成分”启动窗口

Y，列

要进行成分分析的变量。

Z，补充变量

要显示的补充变量。补充变量不包含在主成分计算中，包括它们不会影响结果。连续型补充变量可以投影到载荷图中，用于增强解释。

权重

标识一列，列中的数值为分析中的每行分配一个权重。

注意：“宽”估计方法和“稀疏”估计方法忽略“权重”角色。

频数

标识一列，列中的数值为分析中的每行分配一个频数。

注意：“宽”估计方法和“稀疏”估计方法忽略“频数”角色。

依据

为“依据”列指定的每个值创建“主成分”报表，以便您可以为每个组执行单独的分析。

估计方法

指定计算相关性的方法。其中有些方法解决了缺失数据的处理。

默认

默认选项使用“逐行”、“配对”或“REML”方法。“JMP 警示”还建议在适当的时候切换至“宽”方法。

‒

逐行估计用于不含缺失值的数据表。

‒

配对估计用于包含缺失值并且多于 10 列、多于 5,000 行或列数多于行数的数据表。

‒

在其他情况下使用 REML 估计。

‒

在数据表超过 500 列的情况，“JMP 警示”窗口会建议使用宽估计。这是因为在列数过多时使用其他方法，计算时间会相当长。点击宽切换至“宽”方法，或点击继续使用原本选择的方法。

REML

限制最大似然 (REML) 估计使用所有数据，即使存在缺失值。由于存在偏倚修正因子，若您的数据集很大且包含许多缺失值，该方法会很慢。因此，REML 最适用于较小的数据集。若数据中不含缺失单元格，则 REML 和 ML 估计值等价于样本协方差矩阵。若存在缺失单元格，与 ML 估计相比，REML 的方差和协方差估计值的偏倚更小。详细信息，请参见REML。

最大似然 (ML) 估计使用所有数据，即使存在缺失值。由于 ML 的估计值生成速度更快，该方法最适用于包含缺失数据的大数据表。

稳健

稳健估计使用所有数据，即使存在缺失值。该方法降低了极值的权重，因此最适用于可能具有离群值的数据表。有关统计详细信息，请参见 “相关性和多元方法”一章中第 38 页的“稳健”。

逐行

逐行估计不使用含缺失值的观测，因此在应用该方法之前会删除包含缺失单元格的行。该方法可用于排除包含缺失数据的所有观测。逐行估计是唯一可在早于 JMP 8 版本使用的估计方法，因此它还可用于检查早于 JMP 8 的 JMP 版本的兼容性。

配对

配对估计使用所有数据，即使存在缺失值。该估计方法针对每一对列组合中不含缺失值的所有行进行相关性的计算。它最适用于包含缺失值并且列数多于行数、多于 10 列或多于 5,000 行的数据表。

宽

宽估计不使用含缺失值的观测，因此在应用该方法之前会删除包含缺失单元格的行。该估计方法使用基于完整奇异值分解的算法。该算法避免计算协方差矩阵，因此计算效率较高，适用于数据中列非常多的情况。更多信息，请参见宽。

稀疏

稀疏估计使用所有数据，即使存在缺失值。该估计方法使用基于部分奇异值分解的算法，它只计算第一个指定数量的奇异值和奇异值向量。该算法避免计算协方差矩阵以及不必要的主成分，因此计算效率较高，当数据稀疏（即包含很多零时）或当数据中具有大量列时，该算法非常有用。更多信息，请参见稀疏。

注意：若您选择“REML”、“ML”或“稳健”，而您的数据表中的列数多于行数并且具有缺失值，JMP 会将“估计方法”切换为“配对”。

成分数

（仅当将“稀疏”指定为估计方法时才可用。）指定要估计的成分数。通常，成分数远小于数据的维。

缺失数据

不同的估计方法配备了多种方式处理缺失数据。您还可以采用以下方式估计缺失值：

•

使用多元方法 > 多元下面的“补缺缺失数据”选项。请参见“相关性和多元方法”一章中第 37 页的“补缺缺失数据”。

•

使用分析 > 筛选 > 探索缺失值下面的“多元正态补缺”或“多元 SVD 补缺”实用工具。详细信息，请参见《预测和专业建模》手册中的““探索缺失值”实用工具”一章。