STATISTIK-FORUM.de

[s_dogg]

Hallo zusammen,

ich bitte Euch um eine Erklärung für folgendes Phänomen:
Wenn ich eine PCA (mit FactoMineR) für eine sehr geringe Anzahl für Individuen (3) durchführe,
beschreiben immer bereits die zwei ersten Hauptkomponenten die Beobachtungen zu 100 %.
Ferner sind bei sehr geringer Individuenanzahl stets die "Pfeile" in der variables-factor-map gleich lang.
Erhöht man die Anzahl der Individuen von 3 auf 5 schaut die Hautkomponentenanalyse dagegen schon sehr viel "normaler" aus.
Meine Fragen nun:
Kann ich eine Hauptkomponentenanalyse überhaupt für eine geringe Anzahl Individuen durchführen?
Ist es generelle bekannt, dass die Hauptkomponentenanalyse in diesem Falle so reagiert (ich habe beim googlen leider nichts gefunden)?
Gibt es sinnvolle Alternativen?
Eigentlich will ich Verkostungsdaten von Lebensmitteln analysieren. Wir werden hier leider nie eine große Probenanzahl erreichen.
Zum Nachvollziehen die Daten und der (einfache) R-Code:

Datei try1.csv:

;Merkmal; 1 Merkmal 2; Merkmal 3; Merkmal 4; Merkmal 5; Merkmal 6;;
Probe 1; 3; 2; 2; 2; 3; 5;;
Probe 2; 2; 0; 3; 3; 4; 0;;
Probe 3; 5; 4; 1; 3; 1; 5;;


R-code:

tr=read.table("C:/try1.csv", sep=";", header=TRUE) # liest die Datei "try1.csv ein"
PCA(tr[,2:7]) # führt die PCA durch

Im Anhang befinden sich die R-Ausgaben der PCA.
Vielen Dank im Voraus.
Cheers, Martin

[Albrecht]

Per se ist eine geringe Anzahl von Proben ein Problem.
Allerdings nicht unmöglich.
Hilfreich könnten Preacher & MacCallum sein, die ein Paper zu kleinen Stichproben und EfA geschrieben haben.
Wichtig ist vor allem, dass die Kommunalitäten der Proben recht hoch sind, damit das etwas gibt.

[strukturmarionette]

Hi,

(ich habe beim googlen leider nichts gefunden)?
Gibt es sinnvolle Alternativen?

Gott sein Dank Ja, beispielsweise:

http://www.uwe-mortensen.de/fakanalysews0506b.pdf

Gruß
S.