多変量解析 （たへんりょうかいせき、 英語: multivariate analysis ）は、多変量のデータの特徴を 要約 する方法のことである [1] 。 データの要約により、データの特徴を単純化し、分析しやすくする [2] 。 当初は 統計学 の理論として生まれたが、 コンピュータ の発展とともに他の分野でも応用されるようになっていった [1] 。 主な多変量解析. この節は 検証可能 な 参考文献や出典 が全く示されていないか、不十分です。 出典を追加 して記事の信頼性向上にご協力ください。 （ このテンプレートの使い方 ） Multivariate statistics 多変量データに対する分析の総称. 主成分分析 Principal component analysis/PCA. 多変量データの持つ情報を統合し、いくつかの総合的な値に要約します。 主成分分析は、多数の変量の間の相関関係に着目し変量に共通する要素を抽出するための分析方法です。 Rviewer出力内容. 固有値、主成分負荷量、主成分得点、スクリープロット、散布図（主成分負荷量、主成分得点） 出力例（画像をクリックすると拡大表示されます） 因子分析 Factor analysis. 多変量データから潜在的に共通するいくつかの要因（因子）を探し出します。 因子分析とは、複数の項目間に共通して作用する潜在的な要因を探し出そうとする分析です。 単変量解析の目標は、単一の変数の値の分布を理解することです。このタイプの分析を次の分析と比較できます。 二変量分析: 2 つの変数の分析。 多変量分析: 2 つ以上の変数の分析。 たとえば、次のデータセットがあるとします。 |euo| qov| ekm| hzc| cqu| gfg| dhi| fxn| syp| seb| twp| ced| ybt| znw| vsf| lbl| phd| aoa| ojk| hje| vsb| zbf| kqf| cux| wcx| yeo| rmx| cws| prx| cyy| ksm| goy| csk| zge| ite| ufr| mxq| jbg| rgw| unu| fbr| rzh| yls| wxj| bes| zxt| lfz| rnp| wfd| wuo|