У статистиці це аналіз множинної відповідності (MCA). техніка аналізу даних для номінальних категоріальних даних, яка використовується для виявлення та представлення основних структур у наборі даних. Він робить це, представляючи дані як точки в низьковимірному евклідовому просторі.
Аналіз множинної відповідності (MCA) також можна розуміти як узагальнення аналізу відповідності (CA) на випадок, коли є більше двох змінних.
Аналіз множинної відповідності (MCA) можна розглядати як розширення простого аналізу відповідності до більш ніж двох змінних.
MCA – це дим. аналіз скорочення для номінальних категоріальних змінних. PCA — це лінійний дим. аналіз скорочення для масштабних (інтервальних) змінних.
Класична інтерпретація результатів MCA базується на трьох показниках: проекція (F) категорійних точок змінних у факториальних осях, внесок точки у створення осі (CTR) і кореляція (COR) точки з віссю.
У статистиці це аналіз множинної відповідності (MCA). техніка аналізу даних для номінальних категоріальних даних, яка використовується для виявлення та представлення основних структур у наборі даних. Він робить це, представляючи дані як точки в низьковимірному евклідовому просторі.