Varimax Rotation and Thereafter: Tutorial on PCA Using Linear Algebra, Visualization, and Python Programming for R and Q analysis

Byung Lee

doi:10.21487/jrm.2018.5.3.1.79

추천

검색

질문

자료유형: 학술저널

저자정보: Byung Lee (일란대학교)

저널정보: 경북대학교 사회과학기초자료연구소 연구방법논총 연구방법논총 제3권 제1호

발행연도: 2018.5

수록면: 79 - 130 (52page)

DOI: 10.21487/jrm.2018.5.3.1.79

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

주성분 분석(PCA)은 학문 및 실제 목적을 위해 많이 사용되었습니다. 이 사용지침서는 Q 분석에 관심있는 R 학자 뿐만 아니라 PCA를 더 잘 활용하고자 하는 개인에게 도움이 될 것입니다. 많은 상용 통계 패키지가 PCA를 처리할 수 있지만 PCA 코드를 직접 실행하면 PCA에 대한 더 깊게 이해할 수 있습니다. 상업용 통계 패키지에서 PCA 기능을 사용하여 데이터를 입력하고 몇 개의 버튼을 누르기만 하면 통계 결과가 나옵니다. 하지만 PCA에 대한 깊은 이해를 위해서는 개인이 코드를 실행할 때 어떤 일이 일어나는지 알아야합니다. 많은 학자들이 파이썬과 같은 인기있는 프로그래밍 언어에 대한 기본 지식을 보유하고 있을 수 있습니다. 그러나 파이썬 코드는 한 곳에서 깔끔하게 정리되어 모아져 있지 않습니다. 사용자는 인터넷에 흩어져 있는 파이썬 코드를 수집하고 호환성을 위해 조정한 다음 부족한 부분이 있다면 채워야 합니다. 또한 R 분석을 대상으로 한 상업 통계 패키지는 배리맥스 방법을 넘어선, 즉 Q 연구를 위한 이론적 또는 탐색적 분석을 위한 팩터 회전에 사용할 수 없습니다. 이 사용지침서에서는 PCA에 필요한 모든 Python 코드를 제공하면서 결과를 SPSS (Statistical Package for the Social Science)출력과 비교했습니다. 이 사용지침서는 Q 분석을 위한 필수 요소인 팩터 축의 이론적 또는 탐색적 팩터 회전도 다루었습니다.

#PCA #Principal Component Analysis #linear algebra #graphs #Python code #varimax rotation #R and Q analysis #주성분 분석 #선형 대수 #그래프 #파이썬 코드 #varimax 회전 #R 및 Q 분석

ABSTRACT
I. Introduction to PCA
II. Graphical Geometric Explanation
III. Numerical Analysis: Comparison Between Eigendecomposition and SVD
IV. Analysis of a Real Dataset
V. Varimax Rotation
VI. Theoretical or Exploratory Rotation
VII. A Summary of All Procedures
VIII. Conclusion
References
논문요약

참고문헌 (19)

참고문헌 신청

[인터넷자원] - Biggs, J. / / Factor_analyzer

[단행본] - Brown, S. R. / 1980 / Political subjectivity: Applications of Q methodology in political science / Yale University Press

[학술지(정기간행물)] - Campbell, N. A. / 1981 / The geometry of canonical variate analysis / Systematic Zoology 30 (3) : 268 ~ 280

[단행본] - Cureton, E. E. / 1983 / Factor analysis: An applied approach / Lawrence Erlbaum Associates

[학술지(정기간행물)] - Markaki, E. N. / 2014 / / Procedia-Social and Behavioral Sciences 147 : 554 ~ 560

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이병수

소속기관 일란대학교

주요연구분야 사회과학 > 사회과학 일반

논문수 3 이용수 253

이 논문과 함께 이용한 논문

양배추 유전자원의 항산화 활성 비교

하지수 , 박소은 , 황인국 외 5명 한국식품영양과학회지 2023 .07

대추씨 추출물의 항산화 및 항염증 효과

장의종 , 황보미향 Culinary Science & Hospitality Research 2023 .03

지방산 조성과 선형판별분석을 활용한 유통판매 참기름의 원산지 판별

김남훈 , 최채만 , 이영주 외 3명 분석과학 2021 .06

프로그래밍 학업성취도에 관한 사례연구 : 하드웨어 교과과정 중심으로

이승우 한국데이터정보과학회지 2014 .08

프로그래밍 학습을 위한 랩터의 기능 확장

양기철 한국엔터테인먼트산업학회 학술대회 논문집 2017 .05

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (19)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)