1985
DOI: 10.1007/bf02294151
|View full text |Cite
|
Sign up to set email alerts
|

An analysis and synthesis of multiple correspondence analysis, optimal scaling, dual scaling, homogeneity analysis and other methods for quantifying categorical multivariate data

Abstract: multiple correspondence analysis, optimal scaling, dual scaling, homogeneity analysis, categorical multivariate data,

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1
1
1

Citation Types

2
179
0
14

Year Published

1999
1999
2021
2021

Publication Types

Select...
6
4

Relationship

0
10

Authors

Journals

citations
Cited by 362 publications
(197 citation statements)
references
References 21 publications
2
179
0
14
Order By: Relevance
“…É assim uma estatística de redução dos dados, pela análise de correspondência múltipla, com uma série de variáveis, todas nominais múltiplas. Enfim, o procedimento HOMALS analisa a relação de homogeneidade entre as variáveis (das colunas e das linhas) em duas dimensões, produzindo projeções correspondentes, sendo o mais importante a projeção das quantificações das categorias (para maiores detalhes ver De Leeuw & Van Rijckevorsel, 1980;Guttman, 1941;Tenenhaus & Young, 1985). Na Figura 1, por exemplo, pode-se observar a proximidade entre a série e o nível de realismo nominal.…”
Section: Resultsunclassified
“…É assim uma estatística de redução dos dados, pela análise de correspondência múltipla, com uma série de variáveis, todas nominais múltiplas. Enfim, o procedimento HOMALS analisa a relação de homogeneidade entre as variáveis (das colunas e das linhas) em duas dimensões, produzindo projeções correspondentes, sendo o mais importante a projeção das quantificações das categorias (para maiores detalhes ver De Leeuw & Van Rijckevorsel, 1980;Guttman, 1941;Tenenhaus & Young, 1985). Na Figura 1, por exemplo, pode-se observar a proximidade entre a série e o nível de realismo nominal.…”
Section: Resultsunclassified
“…Consequently, ordinary Principal Components Analysis (PCA) should not be applied. Instead, we used Categorical PCA (CATPCA, Meulman et al, 2004;Linting et al, 2007), which relies on an alternating least squares scheme (Tenenhaus and Young, 1985). In Categorical PCA both a quantification of the original variables and a decomposition of the multidimensional space are achieved.…”
Section: Appendix 1 -Categorical Principal Components Analysismentioning
confidence: 99%
“…In our work, we focus on a subclass of dimensionality reduction methods known as Multiple Correspondence Analysis (MCA). This technique has been known under other names [46] and is particularly suitable for categorical data, as opposed to the more general multidimensional scaling (MDS) techniques which address numerical data. MCA results are usually visualized with 2D or 3D scatterplots.…”
Section: Visual Analytics Solutionsmentioning
confidence: 99%