การวิเคราะห์การสอดคล้องพหุ (Multiple Correspondence Analysis - MCA)
การวิเคราะห์การสอดคล้องพหุ (MCA) เป็นเทคนิคการจัดอันดับแบบหลายตัวแปร (multivariate ordination technique) ที่ออกแบบมาเพื่อสำรวจและแสดงภาพความสัมพันธ์ระหว่างตัวแปรเชิงกลุ่ม (categorical variables) ตั้งแต่สามตัวแปรขึ้นไปพร้อมกัน โดยการจับคู่ทั้งการสังเกตและประเภทของตัวแปรลงในปริภูมิที่มีมิติต่ำร่วมกัน MCA จะเผยโครงสร้างที่ซ่อนอยู่ในข้อมูลสำรวจที่เป็นนามบัญญัติ (nominal) หรืออันดับ (ordinal) วิธีการนี้ได้รับการจัดระบบและขยายความอย่างครอบคลุมโดย Michael Greenacre และ Jorg Blasius ในหนังสือที่พวกเขาเป็นบรรณาธิการในปี 2006 โดยต่อยอดจากแนวทางการวิเคราะห์ข้อมูลเชิงเรขาคณิตในยุคแรกที่พัฒนาโดย Jean-Paul Benzecri ในประเทศฝรั่งเศสในช่วงทศวรรษ 1960 และ 1970
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Greenacre, M., & Blasius, J. (Eds.). (2006). Multiple Correspondence Analysis and Related Methods. Chapman & Hall/CRC. ISBN: 978-1-58488-628-0
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Multiple Correspondence Analysis (MCA). ScholarGate. https://scholargate.app/th/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.
- ไบพลอต: การแสดงผลแถวและคอลัมน์ในข้อมูลหลายตัวแปรพร้อมกันสถิติศาสตร์↔ compare
- การวิเคราะห์การสอดคล้องสถิติศาสตร์↔ compare