تحلیل عاملی تناظری تعمیمیافته قوی (Robust MCA)
تحلیل عاملی تناظری تعمیمیافته قوی (Robust MCA) تحلیل عاملی تناظری تعمیمیافته کلاسیک را برای مجموعه دادههایی که حاوی ردیفهای دادههای طبقهبندیشده پرت یا غیرمعمول هستند، تعمیم میدهد. با کاهش وزن مشاهدات تأثیرگذار پیش از تجزیه مقادیر منفرد، نقشهای کمبعد از روابط بین ردهها تولید میکند که به جای اینکه توسط تعداد کمی از موارد ناهنجار تحریف شود، به طور صادقانه توده دادهها را نشان میدهد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Greenacre, M. J. (2017). Correspondence Analysis in Practice (3rd ed.). Chapman & Hall / CRC Press, Boca Raton. ISBN: 978-1498731775
- Hubert, M., Rousseeuw, P. J. & Verboven, S. (2004). A robust PCR method for high-dimensional regressors. Journal of Chemometrics, 17(8–9), 438–452. DOI: 10.1002/cem.783 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Robust Multiple Correspondence Analysis. ScholarGate. https://scholargate.app/fa/statistics/robust-multiple-correspondence-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- تحلیل خوشهایآمار↔ compare
- تحلیل تناظر (Correspondence Analysis - CA)آمار↔ compare
- تحلیل مکاتبات چندگانه (MCA)آمار↔ compare
- تحلیل عاملی اکتشافی مقاومروانسنجی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →