Rで多重対応分析

13703 ワード
多変量解析 R 統計学 因子分析 R テキストリンク

背景

アンケート結果等のカテゴリカル集計データを要約するために、多重対応分析を試してみた。

手法の特徴

複数のカテゴリカルな変数を分析対象とし、変数の水準間にある関係を調べる。
多重対応分析では3変数以上を扱い、「カテゴリカル変数への主成分分析」と言われることが多い。

サンプルコード

お茶を飲む習慣に対するアンケート結果から、大まかな傾向分類ができないかを検討してみた。
多重対応分析ができるRのパッケージには様々あるが、今回はFactoMineRを使用した。

以下の項目によって、どのような傾向が観測されるかを評価した。
　"Tea"：対象者のID
　"How"：どんなお茶を
　"how"：ミルクやレモンを入れるか
　"sugar"：砂糖を入れるか
　"where"：どこで飲むか
　"always"：どのくらいの頻度か

tea_mca.R
# load packages
require(FactoMineR)
require(ggplot2)

# load data tea
data(tea)

# select these columns
newtea = tea[, c("Tea", "How", "how", "sugar", "where", "always")]

# take a peek
head(newtea)

# output
#A data.frame: 6 × 6
#Tea    How how sugar   where   always
#<fct>  <fct>   <fct>   <fct>   <fct>   <fct>
#1  black   alone   tea bag sugar   chain store Not.always
#2  black   milk    tea bag No.sugar    chain store Not.always
#3  Earl Grey   alone   tea bag No.sugar    chain store Not.always
#4  Earl Grey   alone   tea bag sugar   chain store Not.always
#5  Earl Grey   alone   tea bag No.sugar    chain store always
#6  Earl Grey   alone   tea bag No.sugar    chain store Not.always

# apply MCA
mca1 = MCA(newtea, graph = FALSE)

# list of results
mca1

# scree plot
fviz_screeplot(mca1, addlabels = TRUE, ylim = c(0, 45))

# data frame with variable coordinates
mca1_vars_df = data.frame(mca1$var$coord, Variable = rep(names(cats), cats))

# data frame with observation coordinates
mca1_obs_df = data.frame(mca1$ind$coord)

# plot of variable categories
ggplot(data=mca1_vars_df, 
       aes(x = Dim.1, y = Dim.2, label = rownames(mca1_vars_df))) +
 geom_hline(yintercept = 0, colour = "gray70") +
 geom_vline(xintercept = 0, colour = "gray70") +
 geom_text(aes(colour=Variable)) +
 ggtitle("MCA plot of variables using R package FactoMineR")

出力結果と考察例

スクリープロットを作成、5個の軸によって60%程度が説明できるような状態である。
（可能であれば、より傾向をクリアにする軸の取り方を探索してみたかった）

描画結果と考察例

例えば、下図であれば以下のような行動特性を表現していることになる。
・chain store+tea shopで飲む人はtea bag+unpackagedでお茶を飲んでいる
・一方ではtea shopだけで飲む人はunpackagedのお茶を飲んでいる。（確かに凝っている人だったらそんな感じだろうか）
・また、飲む頻度や砂糖を入れるかの違いに起因して、特段クラスタの違いは生じていない。

対象者のオブザーベーションを表現したい場合、mca1_obs_dfを引数に取る形で、同様にプロットする。
以下、geom_density2dを用いることで等高線を描くことができる。

tea_mca_r.R
# MCA plot of observations and categories
ggplot(data = mca1_obs_df, aes(x = Dim.1, y = Dim.2)) +
  geom_hline(yintercept = 0, colour = "gray70") +
  geom_vline(xintercept = 0, colour = "gray70") +
  geom_point(colour = "gray50", alpha = 0.7) +
  geom_density2d(colour = "gray80") +
  geom_text(data = mca1_vars_df, 
            aes(x = Dim.1, y = Dim.2, 
                label = rownames(mca1_vars_df), colour = Variable)) +
  ggtitle("MCA plot of variables using R package FactoMineR") +
  scale_colour_discrete(name = "Variable")

参考リンク

Qiita内の関連記事
多変量解析メモ: 多重対応分析(Multiple Correspondence Analysis, MCA)

本記事の元ネタ
Multiple Correspondence Analysis in R