Analisis Korespondensi Berganda (MCA)
Analisis Korespondensi Berganda (MCA) ialah teknik ordinasi multivariat yang direka untuk meneroka dan memvisualisasikan perkaitan antara tiga atau lebih pembolehubah kategori secara serentak. Dengan memetakan kedua-dua pemerhatian dan kategori pembolehubah pada ruang berdimensi rendah yang dikongsi, MCA mendedahkan struktur tersembunyi dalam data tinjauan nominal atau ordinal. Kaedah ini telah disistematisasi dan diperluas secara komprehensif oleh Michael Greenacre dan Jorg Blasius dalam jilid suntingan mereka pada tahun 2006, berdasarkan tradisi analisis data geometri terdahulu yang dibangunkan di Perancis oleh Jean-Paul Benzecri pada tahun 1960-an dan 1970-an.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Greenacre, M., & Blasius, J. (Eds.). (2006). Multiple Correspondence Analysis and Related Methods. Chapman & Hall/CRC. ISBN: 978-1-58488-628-0
Cara memetik halaman ini
ScholarGate. (2026, June 2). Multiple Correspondence Analysis (MCA). ScholarGate. https://scholargate.app/ms/statistics/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.
- Biplot: Paparan Serentak Baris dan Lajur dalam Data MultivariatStatistik↔ compare
- Analisis KorespondensStatistik↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →