使用 R 进行多重对应分析

Question

嗨， 我的问题既是技术问题（使用 R）又是统计问题。我正在从事图像处理研究项目，我需要执行 MCA。我之前发布了一个关于如何使用 Java Multivariate correspondence analysis (MCA) with JAVA 执行此操作的问题，感谢我决定使用 R 执行此操作的答案。所以这里是： 我有一个从提取的特征创建的列联表，其形式为：

            var1_1 var1_2 var1_3 var2_1 var2_2 var2_3 ... var18_1 var18_2 var18_3

个人1
个人2
个人3
个人4
...
个人

---

在每个单元格中，我有一个 double 值，表示 0.0 到 1.0 之间的归一化频率计数。我的最终目标是能够使用 MCA 在不同的轴组合上绘制每个人。

我做了什么：

• 使用fdata
• 使用 mca_obj （有人可以澄清它是什么意思）
• 使用 burt_data=acm.burt(fdata, fdata) 来使用 burt 方法，因为我有很多变量
• 这给了我一个我无法理解的非常大的表（我尝试删除行名）

所以总结一下： 我知道我已经非常接近找到对我的数据执行 MCA 的正确方法我只需要一些关于如何正确执行它的提示。谁能帮忙！

感谢

Answer 1

编辑：

如果我理解正确，您的数据不适合任何 mca 函数。您需要原始数据，而不是任何类型的标准化频率计数。 MCA 适用于分类变量，而不是数值。您需要的是以下意义上的数据：

              color   beak ...
individual1   red     big
individual2   red     small
individual3   blue    medium
individual4   green   small
...

如果归一化频率确实是您的数据，那么您有数字数据，您无法对其执行 MCA。

---

factor是R中的一个向量类型，可以看成是分类或枚举类型。如果您有上述格式的数据，并且仍然有字符变量而不是因子变量，则可以使用

转换 fdata

fdata2 <- as.data.frame(lapply(fdata,as.factor))

这个你应该可以在dudi.acm()函数中使用。

关于 Burt 桌子：当然，那张桌子很大。它是矩阵乘法 X'X，其中 X 是您的因子的指标矩阵。所以你得到一个表（实际上是一个数据框），其中行名和列名形成为nameOfFactor.nameOfLevel。因此，如果每 5 个级别有 4 个因子，则您已经拥有一个 20x20 矩阵。

您可以使用这些知识来剖析 Burt 表并获取有关某些感兴趣因素的信息。按照帮助文件中的示例，您可以执行以下操作：

require(ade4)
data(banque)
banque.acm <- dudi.acm(banque, scann = FALSE, nf = 3)
bb <- acm.burt(banque, banque)

idrow <- grepl("csp.",rownames(bb),fixed=T)
idcol <- grepl("duree.",names(bb),fixed=T)

> bb[idrow,idcol]
          duree.dm2 duree.d24 duree.d48 duree.d812 duree.dp12
csp.agric         3         6         6          3         11
csp.artis         7         3        15         13         10
csp.cadsu        13        19        32          9         30
csp.inter        12        14        19         25         32
csp.emplo        13        19        38         28         53
csp.ouvri        12        26        46         43         56
csp.retra         4         8         9          7         24
csp.inact        15        14        22         15         19
csp.etudi        12        23        20          1          1

它为您提供了数据框中因素 csp 和 duree 的 Burt 表。

Answer 2

很难为您的案例提供真正具体的反馈，因为很难猜测您的数据是什么样的。

我建议你这样做：

1. 使用包MASS中的函数mca进行对应分析
2. 研究帮助文件中提供的示例：?mca

你会发现mca的需求也是一个由因子组成的dataframe。 （有关更多信息，请参阅帮助文件?factor。）但mca 中的示例说明了这一点。它使用作为包MASS的一部分提供的数据集farms：

library(MASS)
head(farms)

  Mois Manag Use Manure
1   M1    SF  U2     C4
2   M1    BF  U2     C2
3   M2    SF  U2     C4
4   M2    SF  U2     C4
5   M1    HF  U1     C2
6   M1    HF  U2     C2

请注意，表中的每个点都是一个因子条目。这意味着您必须将输入数据重新设计为类似的格式。您提到您的输入数据是频率表，这不是必需的数据格式。

farms.mca <- mca(farms, abbrev=TRUE)
farms.mca
plot(farms.mca)