Analisi delle componenti principali
Ridurre la dimensione di una tabella
Scegli analysis.statistics.pca. In Variables — semicolon-separated Variable IDs inserisci tre ID numerici voltage;response;influence. Imposta Missing-pair policy a listwise_omit, centra, standardizza e scegli due componenti con count. Usa il prefisso guide.pca.baseline e, per la tabella di riferimento, togli la spunta ai grafici.
Il prefisso di uscita iniziale del provider è statistics.pca. L’esercizio usa un nome dedicato.
Configurazione nella GUI
Righe complete, centratura e scala
- Missing-pair policy
listwise_omit(iniziale) mantiene le sole righe complete nelle colonne scelte.errorblocca al primo problema di non finitezza. Prova ad aggiungereincomplete. Se compaionopairwiseelistwise, scegli una delle due opzioni PCA ammesse.- Subtract variable means
- La spunta iniziale centra ciascuna colonna. Toglila per studiare il secondo momento rispetto all’origine. In quel caso le quantità delle componenti sono magnitudini quadratiche non centrate, interpretabili rispetto allo zero fissato per le misure.
- Variable scaling
standardize(iniziale) divide ogni colonna per la deviazione standard campionaria. Richiede dispersione positiva e rende gli ingressi adimensionali, anche con unità lineari miste.nonemantiene la scala, richiede unità lineari compatibili e converte alla prima. A parità di unità, la scala non standardizzata fa pesare maggiormente le colonne che variano di più. Conconstante standardizzazione, controlla l’errore di dispersione nulla.
Scegliere quante componenti tenere
- Component selection, Number of components
- Con
countinserisci un intero. Il valore iniziale è 2. Scegli un numero compatibile con le dimensioni della matrice. Questo parametro determina quante componenti restituisce la proiezione. - Component selection, Cumulative explained-variance target
- Con
variance_targetusa una frazione positiva fino a 1, per esempio0.95. Il metodo prende il minimo numero che raggiunge il target. I due controlli di numero e target possono rimanere visibili insieme. Decide il modo selezionato. - Create group-mean graph
- Con la spunta richiedi scree plot, grafico degli score PC1/PC2 quando disponibili e grafico dei loadings. Con una sola componente la coppia PC1/PC2 è indisponibile.
Leggere la decomposizione
.scores contiene coordinate con source_row originale. .loadings contiene i coefficienti delle variabili nelle direzioni trovate. .components contiene singolari, momenti delle componenti e rapporti individuali e cumulati. .scaling registra ID, medie e scale usate. Nel rapporto le prime due componenti spiegano circa 78,23% e 21,21%, per circa 99,44% cumulato. La terza compare nello spettro riportato, mentre gli score richiesti sono due.
I loadings descrivono direzioni, con segno fissato per rendere riproducibile la presentazione. Componenti con valori singolari uguali possono ammettere basi equivalenti. Interpreta lo spettro alla luce della centratura, delle unità e dei dati esclusi. L’analisi spiega variabilità delle colonne scelte e non fornisce un test di significatività.
Risultato nella GUI

Grafico in Plots

Per ID di uscita, selezione e criteri di pubblicazione consulta Opzioni condivise dei provider. Per consultare o aprire il risultato vai a Tabelle, rapporti e grafici.

