[论文解读] Multivariate Analysis of Mixed Data. The R Package PCAmixdata

Marie Chavent, Vanessa Kuentz-Simonet+2 more|arXiv (Cornell University)|Nov 18, 2014

Sensory Analysis and Statistical Methods参考文献 12被引用 81

一句话总结

本文介紹了 R 軟體套件 PCAmixdata，該套件透過 PCAmix、PCArot 和 MFAmix 將多變量分析擴展至混合資料類型（數值與分類變量）。它利用廣義奇異值分解統一了 PCA 與 MCA，實現了統一符號表示與可解釋的圖形輸出，適用於真實世界資料集（如吉倫特省市鎮資料）的敘述性降維、旋轉與多表格分析。

ABSTRACT

Mixed data arise when observations are described by a mixture of numerical and categorical variables. The R package PCAmixdata extends to this type of data standard multivariate analysis methods which allow description, exploration and visualization of the data. The key techniques/methods included in the package are principal component analysis for mixed data (PCAmix), varimax-like orthogonal rotation for PCAmix, and multiple factor analysis for mixed multi-table data. This paper proposes a unified mathematical presentation of the different methods with common notations, as well as providing a summarised presentation of the three algorithms, with details to help the user understand graphical and numerical outputs of the corresponding R functions. This then allows the user to easily provide relevant interpretations of the results obtained. The three main methods are illustrated on a real dataset composed of four data tables characterizing living conditions in different municipalities in the Gironde region of southwest France.

研究动机与目标

• 提供一個統一的數學框架，以共通符號整合 PCA、MCA 及其延伸方法，用於混合資料的多變量分析。
• 在單一 R 套件中實作並文件化三項核心方法——PCAmix、PCArot 與 MFAmix，以支援實際資料分析應用。
• 透過詳細說明數值輸出與圖形表示，提升結果的可解釋性，特別針對混合資料類型。
• 利用 S3 方法實現 PCAmix 與 MFAmix 中新觀測值的預測及補充變數或群組的投影功能。
• 透過提供 gironde 資料集（法國市鎮的多表格資料，包含就業、住宅、服務與環境變數），支援實際應用。

提出的方法

• 使用廣義奇異值分解（GSVD）統一 PCA 與 MCA，使 PCAmix 能夠聯合分析數值與分類變數。
• 對 PCAmix 結果應用類似於 varimax 的正交旋轉（PCARot），透過最大化各成分間載荷的變異性來提升結果的可解釋性。
• 將 MFA 擴展至混合資料，允許各群組同時包含數值與分類變數，此與標準 MFA（要求每一群組內變數類型一致）不同。
• 在 PCArot 中採用旋轉演算法，透過基於載荷與變數貢獻的計算，迭代優化成對成分間的旋轉角度。
• 在 R 中實作 S3 方法（plot、predict、suppvar），適用於 PCAmix、PCArot 與 MFAmix 物件類別，以支援視覺化、預測與補充變數投影。
• 透過數值變數的平均值插補與分類變數指示矩陣的零值插補處理缺失資料，但亦指出更進階的方法亦可使用。

实验结果

研究问题

• RQ1 如何從數學上統一 PCA 與 MCA，以在單一框架內分析混合數值與分類資料？
• RQ2 廣義奇異值分解在實現混合資料類型降維中扮演何種角色？
• RQ3 PCARot 旋轉方法如何相較於標準 PCA 提升 PCAmix 中成分載荷的可解釋性？
• RQ4 MFAmix 如何擴展傳統 MFA 以容許混合變數群組？與現有多表格方法有何差異？
• RQ5 如何利用 R 套件在 PCAmix 與 MFAmix 圖表中具意義地投影補充變數與新觀測值？

主要发现

• PCAmix 方法的結果與 dudi.mix（ade4）及 FAMD（FactoMineR）等效，確認其在混合資料分析中的有效性。
• PCARot 旋轉演算法成功透過最大化載荷變異性來提升成分可解釋性，當旋轉角度趨近零時達成收斂。
• MFAmix 函數支援多表格分析中混合變數群組，與 FactoMineR 的 MFA 不同，後者要求每一群組內變數類型一致。
• 該套件可對新觀測值預測成分得分，並投影補充變數或群組，使 PCAmix 與 MFAmix 的應用超越初始分析。
• gironde 資料集（包含 542 個市鎮與四個領域共 27 個變數：就業、住宅、服務與環境）展現了該方法在社會科學與地理資料分析中的實際應用價值。
• 理論上修正了先前研究的錯誤，特別是將 A* 與 ˜A 之間的關係由 A∗= M−1/2 ˜A 更正為 A∗= M1/2 ˜A，提升了框架的數學一致性。