Multiple Factor Analysis by Example Using R (Chapman & Hall/crc the R Series)

個数：

Multiple Factor Analysis by Example Using R (Chapman & Hall/crc the R Series)

Pagès, Jérôme

ウェブストア価格 ¥12,500（本体¥11,364）
Chapman & Hall/CRC（2024/10発売）
外貨定価 US$ 59.99
ポイント 113pt

在庫がございません。海外の書籍取次会社を通じて出版社等からお取り寄せいたします。
通常6～9週間ほどで発送の見込みですが、商品によってはさらに時間がかかることもございます。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合がございます。
2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
3. 美品のご指定は承りかねます。

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Paperback:紙装版/ペーパーバック版／ページ数 272 p.
言語 ENG
商品コード 9781032924182
DDC分類 519.5354

Full Description

Multiple factor analysis (MFA) enables users to analyze tables of individuals and variables in which the variables are structured into quantitative, qualitative, or mixed groups. Written by the co-developer of this methodology, Multiple Factor Analysis by Example Using R brings together the theoretical and methodological aspects of MFA. It also includes examples of applications and details of how to implement MFA using an R package (FactoMineR).

The first two chapters cover the basic factorial analysis methods of principal component analysis (PCA) and multiple correspondence analysis (MCA). The next chapter discusses factor analysis for mixed data (FAMD), a little-known method for simultaneously analyzing quantitative and qualitative variables without group distinction. Focusing on MFA, subsequent chapters examine the key points of MFA in the context of quantitative variables as well as qualitative and mixed data. The author also compares MFA and Procrustes analysis and presents a natural extension of MFA: hierarchical MFA (HMFA). The final chapter explores several elements of matrix calculation and metric spaces used in the book.

Principal Component Analysis. Multiple Correspondence Analysis. Factor Analysis for Mixed Data. Weighting Groups of Variables. Comparing Clouds of Partial Individuals. Factors Common to Different Groups of Variables. Comparing Groups of Variables and Indscal Model. Qualitative and Mixed Data. Multiple Factor Analysis and Procrustes Analysis. Hierarchical Multiple Factor Analysis. Matrix Calculus and Euclidean Vector Space. Bibliography.