MCA計算器

多重對應分析（MCA）是探索多個類別變數之間模式的方法。它的角色類似主成分分析，但處理的是類別歸屬，而非連續測量值。問卷回答、症狀、診斷、人口群體、行為與治療類別都是常見輸入。MCA將觀測資料與類別水準放入低維幾何空間，讓使用者透過視覺與量化方式檢視關聯。 分析首先將每個類別水準表示為獨立的指示欄。觀測值所屬水準的欄位記為一，同一變數其他水準的欄位則記為零。接著對此完全析取表套用對應分析，使用卡方距離與類別次數。回答輪廓相似的類別往往在圖上彼此接近，而能強烈區分觀測值的類別可能對某一軸有較大貢獻。 本計算器執行重要的第一步結構檢查。它讀取首列為變數名稱的分隔文字表格，檢查每列欄位數是否相同，計算觀測筆數、變數數量與不同類別水準的總數。最大非平凡維度與水準數減去變數數有關。介面最多顯示兩個可立即繪圖的維度，但不宣稱計算特徵值、慣量、座標或統計顯著性。 輸入資料的準備會大幅影響解讀。缺失值應經過規劃處理，而非以不一致的空白儲存格表示。稀有類別水準可能產生不成比例的影響，拼字或大小寫不同的類別會分開計算。識別碼欄通常不應作為主動變數，因為每個唯一識別碼都會形成沒有意義的獨立類別。只有具備充分理由時才應將連續值分類，因為任意分組會損失資訊。 完整的MCA流程會檢視特徵值或校正慣量、貢獻度、餘弦平方、類別座標、觀測座標，以及對編碼選擇的敏感度。二維圖上的接近不一定意味著因果關係或統計顯著關聯。補充變數可協助解讀而不決定座標軸，謹慎地對MCA座標進行分群也能找出群體輪廓。請先用此結構摘要確認資料，再轉至成熟的統計軟體，並記錄每項前處理決策。