Artıklık Analizi
Redundancy Analysis · Ayrıca şöyle bilinir: RDA
Artıklık Analizi (RDA), van den Wollenberg (1977) tarafından geliştirilen, çoklu regresyon ve temel bileşenler analizini birleştiren çok değişkenli bir tekniktir. RDA, yanıt değişkenlerindeki varyasyonu en iyi tahmin eden açıklayıcı değişkenlerin doğrusal kombinasyonlarını bulur, bu da açıklayıcı kümelerinin çok değişkenli sonuçları topluca nasıl açıkladığını anlamak için idealdir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Birden çok yanıt değişkeniniz olduğunda ve bir dizi açıklayıcının bunları topluca nasıl etkilediğini anlamak istediğinizde, çok değişkenli ilişkilerin sıralanmasına (görselleştirme) ihtiyacınız olduğunda veya açıklayıcıların en önemli doğrusal kombinasyonlarını belirlemek istediğinizde RDA uygulayın. Ekoloji, çevre bilimi ve davranış analizi alanlarında yaygın olarak kullanılır.
Güçlü yönler & sınırlılıklar
- Çok değişkenli bakış açısı: sadece bir değil, birden çok sonucu açıklar
- Boyut indirgeme: yanıtları açıklayan anahtar açıklayıcı kombinasyonlarını belirler
- Yorumlanabilirlik: bileşenler, açıklayıcıların ağırlıklı kombinasyonları olarak net bir yoruma sahiptir
- Asimetrik modelleme: yönlü ilişkileri (açıklayıcılar sonuçlara neden olur) doğal olarak ele alır
- Görselleştirme: örüntüleri ortaya çıkarmak için bileşen skorları çizilebilir
- Doğrusallık varsayımı: yalnızca doğrusal ilişkileri uyar; doğrusal olmayan örüntüler gözden kaçar
- Aynı uzay varsayımı: açıklayıcıların ve yanıtların ilişkili doğrusal uzayda çalıştığını varsayar
- Örneklem büyüklüğü: kararlı tahmin için değişken sayısına göre yeterli örnekleme ihtiyaç duyar
- Korelasyon odağı: tahminin kendisi yerine korelasyonu optimize eder (PLS-SEM'in aksine)
SSS
RDA, kanonik korelasyondan nasıl farklıdır?
Her ikisi de iki değişken kümesi arasındaki ilişkileri analiz eder. RDA asimetriktir (Y'yi X'ten tahmin eder) ve Y'deki varyansı optimize eder. Kanonik korelasyon simetriktir ve X ve Y bileşikleri arasındaki korelasyonu maksimize eder.
Artıklık indeksi nedir?
Çıkarılan açıklayıcı bileşenler tarafından açıklanan yanıtlardaki varyans oranını ölçer. Daha yüksek artıklık (0-1 ölçeği), açıklayıcıların yanıt varyasyonunu daha iyi açıkladığını gösterir.
RDA kategorik değişkenleri işleyebilir mi?
Standart RDA sürekli değişkenleri varsayar. Kategorik açıklayıcılar kukla kodlanmalıdır; kategorik yanıtlar, yazışma analizi için artıklık analizi gibi uzantılar gerektirir.
Kaç bileşen çıkarmalıyım?
Genellikle açıklayıcılardaki varyansın kümülatif olarak %70-90'ını açıklayan bileşenleri çıkarın, ardından ne kadar yanıt varyansını açıkladıklarını kontrol edin. Çapraz doğrulama, aşırı çıkarmayı önlemeye yardımcı olur.
RDA, PLS regresyonu ile aynı mıdır?
Benzer hedefler ancak farklı optimizasyon. RDA, yanıtlarla korelasyon gösteren açıklayıcılardaki varyansı maksimize eder. PLS regresyonu, açıklayıcı ve yanıt bileşenleri arasındaki kovaryansı maksimize eder. PLS tahmin için daha iyidir; RDA varyans örüntülerini anlamak için.
Kaynaklar
- van den Wollenberg, A. L. (1977). Redundancy analysis: An alternative for canonical correlation analysis. Psychometrika, 42(2), 207-219. DOI: 10.1007/BF02294050 ↗
- Legendre, P., & Legendre, L. (1998). Numerical Ecology (2nd ed.). Elsevier. ISBN: 9780444892546
- Knudsen, S., Andersen, T., & Hansen, J. (2007). Redundancy analysis of multivariate data using PLS. Chemometrics and Intelligent Laboratory Systems, 87(2), 264-272. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Redundancy Analysis. ScholarGate. https://scholargate.app/tr/psychometrics/redundancy-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Keşifsel Yapısal Eşitlik ModellemesiPsikometri↔ karşılaştır
- Çoklu Faktör AnaliziPsikometri↔ karşılaştır
- Kısmi En Küçük Kareler Yapısal Eşitlik ModellemesiPsikometri↔ karşılaştır
- WordfishPsikometri↔ karşılaştır
- WordscoresPsikometri↔ karşılaştır