Multivariate Analysis: Discriminant Analysis and Factor Analysis

2019 ◽  
pp. 439-457
Author(s):  
Cheng-Few Lee ◽  
Hong-Yi Chen ◽  
John Lee
Keyword(s):  
Factor Analysis ◽  
Multivariate Analysis ◽  
Discriminant Analysis

Multivariate consumption profiling (MCP) for intelligent meter systems: a methodology to define categories and levels

2010 ◽  
Vol 10 (5) ◽  
pp. 710-720 ◽  
Author(s):  
J. L. Solanas ◽  
M. R. Cussó
Keyword(s):  
Cluster Analysis ◽  
Factor Analysis ◽  
Multivariate Analysis ◽  
Discriminant Analysis ◽  
Reference Population ◽  
Statistical Analyses ◽  
Conceptual Schema ◽  
Data Variability ◽  
Water Companies ◽  
Analyse Data

Multivariate Consumption Profiling (MCP) is a methodology to analyse the readings made by Intelligent Meter (IM) systems. Even in advanced water companies with well supported IM, full statistical analyses are not performed, since no efficient methods are available to deal with all the data items. Multivariate Analysis has been proposed as a convenient way to synthesise all IM information. MCP uses Factor Analysis, Cluster Analysis and Discriminant Analysis to analyse data variability by categories and levels, in a cyclical improvement process. MCP obtains a conceptual schema of a reference population on a set of classifying tables, one for each category. These tables are quantitative concepts to evaluate consumption, meter sizing, leakage and undermetering for populations and groupings and individual cases. They give structuring items to enhance “traditional” statistics. All the relevant data from each new meter reading can be matched to the classifying tables. A set of indexes is computed and thresholds are used to select those cases with the desired profiles. The paper gives an example of a MCP conceptual schema for five categories, three variables, and five levels, and obtains its classifying tables. It shows the use of case profiles to implement actions in accordance with the operative objectives.

Multivariate analysis for morphological traits of the Hamra goat population in two regions of Morocco

2016 ◽  
Vol 59 ◽  
pp. 55-62
Author(s):  
B. Hilal ◽  
S. El Otmani ◽  
M. Chentouf ◽  
I. Boujenane
Keyword(s):  
Factor Analysis ◽  
Multivariate Analysis ◽  
Discriminant Analysis ◽  
Variance Component ◽  
Morphological Traits ◽  
Head Width ◽  
Body Measurements ◽  
Morphometric Traits ◽  
Goat Population ◽  
Two Populations

SummaryThe goal of this study was to characterize the Hamra goat population and to determine if Hamra goats of Beni Arouss and Rommani regions belong to the same population. Eleven morphometric traits of 157 Hamra animals (94 from Beni Arouss and 63 from Rommani) were used for this study. Overall, heart girth, body length, height at withers (HaW), height at rump (HS), chest depth (ChD), pelvis width (PW), chest width (CW), cannon circumference, head length (HeL), head width (HeW) and horn length (HL) of Hamra goats averaged 81.3, 61.5, 64.8, 65.3, 40.9, 19.3, 20.2, 9.67, 28.0, 26.3 and 23.4 cm, respectively. The effect of region was significant only on HaW, PW, HeL, HeW and HL, indicating certain homogeneity among goats of the two regions. Moreover, the inter region variance component ranged from 0 percent (absence of variability) for HS, CW, ChD and ChD to 18.5 percent for HeL, suggesting that the variability of body measurements between Beni Arouss and Rommani regions is very low. The factor analysis revealed four factors, which accounted for 73.5 percent of the total variance. The most discriminant variables between the two populations were HeL, HeW, PW and CW. The Mahalanobis distance between the two populations was 1.197, suggesting that there was genetic exchange between the two populations. The discriminant analysis showed that 80.9 percent of Rommani and 50.0 percent of Beni Arouss individuals were classified into their respective population. Results obtained will help in developing improvement and preservation strategies for the Hamra goat population.

Algorithm for assessing fire damage based on multi-factor analysis of fires development from gas compressor stations

2020 ◽  
Vol 90 ◽  
pp. 74-84
Author(s):  
A. A. Tanygina ◽  
◽  
R. V. Khalikov ◽  
Keyword(s):  
Factor Analysis ◽  
Multivariate Analysis ◽  
Systems Analysis ◽  
Statistical Data ◽  
Efficiency Analysis ◽  
Economic Damage ◽  
Fire Damage ◽  
Fire Control ◽  
Multifactor Model ◽  
General Scientific

Introduction. The article provides an algorithm for assessing the damage from a fire on the territory of gas compressor stations using a multifactor model of scenarios for the development of a fire. The causes of fires at the facilities of gas compressor stations are analyzed on the basis of statistical data. The established algorithm was verified by calculating the damage from fires, and the most dangerous causes of fires on the territory of gas compressor stations were established by the values of the frequency of emergency ruptures. The purpose of the study is establishing an algorithm for assessing fire damage based on a multivariate analysis of scenarios for the development of fires at gas compressor stations. Research methods. To obtain the results, general scientific and special methods of scientific knowledge were used. These are analysis, generalization, economic analysis, analysis of empirical data, which were based on the general provisions of the theory of analysis and systems analysis. The results of the study. A multivariate analysis of scenarios for the development of fires on the territory of gas compressor stations is carried out. An algorithm is found for assessing fire damage based on a multivariate analysis of scenarios for the development of fires at gas compressor stations. Conclusion. Using the results of the analysis of scenarios of fire development on the territory of gas compressor stations and calculations of indicators of economic damage from fires at these facilities, it is possible to draw up an algorithm for assessing fire damage on the territory of gas compressor stations. Key words: efficiency, analysis, statistics, fire, gas compressor stations, state fire control authorities, damage calculation.

scholarly journals Development of a measure of kindness

2021 ◽  
Author(s):  
Donna E. Youngs ◽  
Miroslava A. Yaneva ◽  
David V. Canter
Keyword(s):  
Factor Analysis ◽  
Multivariate Analysis ◽  
Positive Psychology ◽  
Conceptual Framework ◽  
External Validity ◽  
Exploratory Study ◽  
Male And Female ◽  
Psychometric Instrument ◽  
Smallest Space Analysis ◽  
Item Questionnaire

AbstractIn the spirit of the growing developments in positive psychology, there is an increasing interest in how kind people are to each other. Yet, this area lacks any strong psychometric instrument. An initial exploratory study demonstrated that a 40-item questionnaire, completed by 165 people, revealed distinct aspects of kindness when subjected to multivariate analysis. A subsequent study is reported, using the structure of the exploratory results to further clarify the conceptual framework (Study 1). The revised 45-item questionnaire was administered to 1039 individuals from the general British population. Smallest Space Analysis of the variables, supported by Factor analysis, confirmed the hypothesis of two facets to kindness, the psychological source of the action (from principles or empathy), and the form of expression (through psychological involvement or following social prescription. It also revealed an additional general, core kindness, labelled Anthropophilia. Reliable scales derived from the combinations of the two elements from each facet were identified: Affective-Socially Prescribed; Affective-Proactive; Principle-Socially Prescribed and Principle-Proactive. Intercorrelations between the scales revealed that they measure different modes of kindness. Comparisons between male and female respondents provided external validity for the questionnaire. Study 2 (N = 251) reported that the scales measure independent dimensions when correlated with similar and dissimilar concepts.

MULTIVARIATE ANALYSIS OF PERCEIVED DYSFUNCTION RATINGS OF PERSONALITY DISORDER SYMPTOMS

2004 ◽  
Vol 32 (6) ◽  
pp. 595-606
Author(s):  
David C. Watson ◽  
Andrew J. Howell
Keyword(s):  
Factor Analysis ◽  
Multivariate Analysis ◽  
Personality Disorder ◽  
Multidimensional Scaling ◽  
Personality Disorders ◽  
Two Dimensions ◽  
Social Impairment ◽  
Multivariate Techniques ◽  
Personal Distress ◽  
High Distress

Dysfunction in personality disorder symptoms was assessed using multivariate techniques to analyse lay judges' (N = 216) ratings of occupational impairment, social impairment, and personal distress. Factor analysis revealed that ratings of occupational impairment and social impairment loaded onto distinct factors. Personal distress ratings loaded onto two separate factors: high distress and low distress. Multidimensional scaling revealed two dimensions for overall dysfunction among personality disorders: severity of dysfunction and internalization-externalization. The dimensions were independence-dependence and severity of dysfunction for occupational impairment, interpersonal involvement and dominance-submission for social impairment, and internalization-externalization and severity for personal distress.

scholarly journals Impact Assessment of Devolution Paradigm in Primary Education Sector: Policy Initiatives and Budgetary Allocations in Punjab Province

2019 ◽  
Vol 2 (2) ◽  
pp. 113-124
Author(s):  
Raheel Abbas ◽  
Muhammad Asghar ◽  
Rashid Saeed
Keyword(s):  
Multivariate Analysis ◽  
Content Analysis ◽  
Discriminant Analysis ◽  
Education Policy ◽  
Primary Education ◽  
Education Sector ◽  
Policy Initiatives ◽  
Policy Interventions ◽  
Punjab Province ◽  
The Impact

The study aims to empirically testify the devolution intervention in the budgetary allocations of the primary education sector of the Punjab province. It addresses the question; whether devolution intervention has an impact on primary education policy and input indicators or not? This study is based on Content Analysis to derive a meaningful conclusion about policy interventions. The budgetary interventions are verified by Multivariate Analysis of Variance (MANOVA) and Descriptive Discriminant Analysis (DDA) to measure the impact of devolution intervention. The analysis shows that there is no mere shift in policy initiatives and budgetary allocations. However, the primary education sector is relatively better as compared to the pre-devolution period but still, a lot of interventions are required for further improvement.  

scholarly journals Πεποιθήσεις και στάσεις των μαθητών του Λυκείου για τα μαθηματικά, παράγοντες που τις διαμορφώνουν και σύνδεσή τους με τη μαθηματική επίδοση

2016 ◽  
Author(s):  
Ελευθέριος Καπετανάς
Keyword(s):  
Factor Analysis ◽  
Multivariate Analysis ◽  
Path Analysis ◽  
Analysis Of Variance

Οι συναισθηματικοί παράγοντες των μαθητών και η σύνδεσή τους με τημάθηση και κατανόηση των Μαθηματικών, είναι ένα ευρύ και ενδιαφέρον πεδίο τηςΔιδακτικής και Μεθοδολογίας των Μαθηματικών, όπως επιβεβαιώνεται από τηδιεθνή και ελληνική βιβλιογραφία. Στην έρευνά μας αυτή μελετάμε τιςπεποιθήσεις, αντιλήψεις και στάσεις των μαθητών του Λυκείου για τα Μαθηματικά καιτον τρόπο μελέτης των Μαθηματικών. Διερευνούμε επίσης τους παράγοντες πουδιαμορφώνουν τις πεποιθήσεις και στάσεις των μαθητών για τα Μαθ/κά. Εστιάζουμεακόμη στο φόβο των μαθητών για τα Μαθηματικά και τους λόγους που τονπροκαλούν, στην πρόθεση επιλογής των Μαθηματικών ως προαιρετικού μαθήματοςκαι στους λόγους που θα το επέλεγαν, καθώς και στη μεταβολή ή μη τουενδιαφέροντος των μαθητών για τα Μαθηματικά στις τάξεις του Λυκείου και τουςλόγους που την προκαλούν. Τέλος διερευνούμε τη σύνδεση όλων των παραπάνωπαραμέτρων με την επίδοση στα Μαθηματικά.Η έρευνά μας έγινε σε δύο στάδια: Στο πρώτο στάδιο πραγματοποιήθηκεπιλοτική έρευνα, που αποσκοπούσε αφενός μεν στη δοκιμή του ερωτηματολογίου τηςέρευνάς μας και στη τελική διαμόρφωσή του, αφετέρου δε στη πρώτη χαρτογράφησητων τρόπων μελέτης των Μαθηματικών από τους μαθητές και στο σχηματισμόεικασιών για την ύπαρξη ομάδων μαθητών, ως προς τον τρόπο μελέτης και ταενδεχόμενα χαρακτηριστικά τους. Στο δεύτερο στάδιο πραγματοποιήθηκε η κύριαέρευνα, με τη συμπλήρωση του Γενικού μας Ερωτηματολογίου από τυχαίο δείγμα1645 μαθητών, τυχαίου δείγματος Λυκείων, Γενικών Δημοσίων και Ιδιωτικών καιΔημοσίων Τεχνικών Λυκείων του νομού Αττικής. Έγινε στατιστική επεξεργασία τωνδεδομένων. Με τη βοήθεια της Παραγοντικής Ανάλυσης (Factor Analysis) τουστατιστικού προγράμματος spss εντοπίσαμε την ύπαρξη δώδεκα παραγόντωντων πεποιθήσεων, στάσεων των μαθητών για τα Μαθηματικά και τρόπων μελέτης.Με χρήση της Επιβεβαιωτικής Παραγοντικής Ανάλυσης (Confirmatory FactorAnalysis) του στατιστικού προγράμματος M-plus, επιβεβαιώθηκε η ύπαρξη και ηδομή των παραπάνω παραγόντων. Η Ανάλυση Διαδρομών (Path Analysis) του ίδιουστατιστικού προγράμματος μας οδήγησε στον εντοπισμό διαφόρων σχέσεων καισύνδεσης των παραπάνω παραγόντων και της διατύπωσης χρήσιμωνσυμπερασμάτων, που συνδέουν τις πεποιθήσεις, στάσεις και τρόπο μελέτης τωνμαθητών για τα Μαθηματικά με την κατανόηση σε πρώτο και δεύτερο επίπεδο,που εντοπίσθηκαν και επιβεβαιώθηκαν από την έρευνά μας. Με τη χρήση τωνμεθόδων Ανάλυσης Διασποράς (Analysis Of Variance, ANOVA) καιΠολυμεταβλητής Ανάλυσης Διασποράς (Multivariate Analysis Of VarianceMANOVA), έγινε ο εντοπισμός και η επιβεβαίωση της ύπαρξης ή μη διαφορών γιατους παράγοντες, ως προς την εκπαιδευτική περιφέρεια, το είδος σχολείου, την τάξηφοίτησης, την κατεύθυνση φοίτησης και το φύλο των μαθητών. Με τη βοήθεια τουσυντελεστή συσχέτισης Pearson εντοπίσθηκε η σύνδεση μεταξύ των παραγόντωνκαι άλλων παραμέτρων που αφορούν στους μαθητές, όπως της αυτοεκτίμησης,ετεροεκτίμησης, του φόβου για τα Μαθηματικά, της πρόθεσης επιλογής τωνΜαθηματικών ως προαιρετικού μαθήματος, του ενδιαφέροντος για τα Μαθ/κά καιτου χρόνου προετοιμασίας των μαθητών για τα Μαθ/κά, με την επίδοση στα Μαθ/κά.Μελετήθηκαν οι απαντήσεις των μαθητών στις ερωτήσεις που αφορούν,στο φόβο για τα Μαθηματικά, στην πρόθεση επιλογής των Μαθηματικών ωςπροαιρετικού μαθήματος και στο ενδιαφέρον του μαθητή για τα Μαθηματικά στις τάξειςτου Λυκείου. Εστιάσαμε ιδιαιτέρως στους λόγους που επικαλούνται οι μαθητές για ταπαραπάνω και τους κωδικοποιήσαμε. Έγινε στη συνέχεια η στατιστική επεξεργασίατων δεδομένων που αφορούν στους παραπάνω λόγους και η εξαγωγή επιπλέονσυμπερασμάτων, που σκιαγραφούν το προφίλ των μαθητών του Λυκείου, ως προς τιςπαραπάνω μεταβλητές. Εντοπίσθηκαν διαφορές και ομοιότητες των μαθητών για τιςπαραπάνω παραμέτρους, ως προς το φύλο, την εκπαιδευτική περιφέρεια, το είδοςσχολείου και την τάξη φοίτησης.Τέλος εντοπίσαμε την ύπαρξη διακριτών ομάδων μαθητών με ιδιαίτεραχαρακτηριστικά γνωρίσματα, ως προς τις πεποιθήσεις και στάσεις, τον τρόπομελέτης, τις αντιλήψεις τους για τη διδασκαλία των καθηγητών, την αυτοεκτίμησηκαι την ετεροεκτίμησή τους. Ιδιαίτερο ενδιαφέρον παρουσιάζουν οι τρεις κατηγορίεςμαθητών τρόπου μελέτης: Οι χρησιμοθηρικοί, οι οποίοι οδηγούνται σε επιφανειακήκατανόηση των Μαθηματικών και χαμηλή μαθηματική επίδοση, οι διερευνητικοί I, οιοποίοι φθάνουν σε ένα πρώτο επίπεδο κατανόησης και μπορούν να πετύχουν υψηλήεπίδοση στα Μαθηματικά και οι διερευνητικοί II, οι οποίοι φθάνουν και στο δεύτεροεπίπεδο κατανόησης, με αναστοχασμό και μπορούν να πετύχουν επίσης υψηλήεπίδοση στα Μαθηματικά. Ακόμη, διαφάνηκε ένας «βέλτιστος» τρόπος μελέτης,που οδηγεί στη βαθύτερη κατανόηση και σε υψηλή μαθηματική επίδοση.Γενικό συμπέρασμα είναι ότι η ανάπτυξη θετικών πεποιθήσεων και στάσεωντων μαθητών για τα Μαθηματικά, μπορεί να τους οδηγήσει σε υψηλή μαθηματικήεπίδοση. Θεωρούμε ότι τα συμπεράσματά μας παρουσιάζουν μεγάλο πρακτικόενδιαφέρον για τη μαθηματική Εκπαίδευση.

IDENTIFICATION OF COFFEE BEANS USING FTIR-SPECTROSCOPY AND MULTIVARIATE ANALYSIS

2021 ◽  
Author(s):  
Д.А. МЕТЛЕНКИН ◽  
Ю.Т. ПЛАТОВ ◽  
Р.А. ПЛАТОВА ◽  
А.Е. РУБЦОВ ◽  
А.М. МИХАЙЛОВА
Keyword(s):  
Multivariate Analysis ◽  
Discriminant Analysis ◽  
Ir Spectra ◽  
Ftir Spectroscopy ◽  
Spectral Data ◽  
Calibration Model ◽  
Absorption Bands ◽  
Coffee Beans ◽  
The Matrix ◽  
Decaffeinated Coffee

Для идентификации кофе используют методы газовой и жидкостной хроматографии, которые дают точную и подробную информацию о его химическом составе, однако трудоемки, сложны по пробоподготовке и непригодны для оперативного мониторинга качества. Цель настоящего исследования – разработка и апробация метода идентификации кофе по ботаническому виду, географическому месту произрастания и обжарке с применением Фурье-ИК-спектроскопии и многомерного анализа. В качестве объектов исследования были образцы кофе в зернах, различающиеся по ботаническому виду (арабика/робуста), географическому месту произрастания (Азия/Америка/Африка) и обжарке (жареный/нежареный). Для разработки моделей идентификации кофе в зернах была сформирована база спектральных данных и применены методы многомерного анализа – метод главных компонент (МГК) и дискриминантный анализ (ДА). ИК-спектры образцов кофе регистрировали с помощью Фурье-ИК-спектрометра Bruker ALPHA с алмазным модулем НПВО в диапазоне 4000–400 см–1 при разрешающей способности спектрометра 2 см–1. Спектральные данные были экспортированы из встроенного программного обеспечения OPUS 7.3.5.0 в Excel. При анализе матрицы спектральных данных выявлены наиболее интенсивные полосы поглощения ИК-спектра, приписываемые наличию функциональных групп воды, липидов, полисахаридов, кофеина и хлорогеновой кислоты в кофе. При сравнении ИК-спектров образцов кофеина, декофеинизированного кофе и кофе в зернах выявлены полосы поглощения спектра, которые можно использовать для построения калибровочной модели содержания кофеина в составе кофе в зернах. По спектральным данным МГК построена многомерная модель градации образцов кофе в зависимости от ботанического вида и наличия обжарки. По матрице факторных нагрузок выявлены полосы поглощения спектра, объясняющие различия образцов по ботаническому виду и обжарке и вносящие наибольший вклад в разделение образцов кофе на группы. Методом ДА по 19 переменным – коэффициентам поглощения на волновых числах спектра разработана система классификационных функций градации образцов кофе по географическому месту произрастания. Доказано, что сочетание Фурье-ИК-спектроскопии с методами многомерного анализа можно использовать как быстрый и неразрушающий инструмент для идентификации кофе в зернах. Gas and liquid chromatography methods are used to identify coffee. They provide accurate and detailed information about its chemical composition; however they are time-consuming, complex in sample preparation and unsuitable for operational quality monitoring. The purpose of this study is to develop and test a method for identifying coffee by botanical species, geographical place of growth and roasting using FTIR-spectroscopy and multivariate analysis. Samples of coffee beans were selected as objects of research, differing in botanical type (Arabica/Robusta), geographical place of growth (Asia/America/Africa) and roasting (roasted/not roasted). To develop models for the identification of grain coffee, a spectral database was formed and the methods of multivariate analysis were applied: principal components analysis (PCA), discriminant analysis. The IR-spectra of coffee samples were recorded using a Bruker ALPHA FTIR-spectrometer with a diamond module in the range of 4000–400 cm–1 with a resolution of the spectrometer of 2 cm–1. Spectral data were exported from the OPUS 7.3.5.0 embedded software to Excel. During analysis the matrix of spectral data, the most intense absorption bands of the IR-spectrum were revealed, attributed to the presence of functional groups of water, lipids, polysaccharides, caffeine and chlorogenic acid in grain coffee. By comparison the IR spectra of the samples: caffeine, decaffeinated coffee and grain coffee, absorption bands of the spectrum were revealed, which can be used to build a calibration model of the caffeine content in the composition of coffee beans. Using PCA based on the spectral data, a multivariate model of the gradation of coffee by botanical type and depending on the roast was build. According to the matrix of factor loadings, absorption bands of the spectrum were revealed, explaining the differences between the samples in botanical type and roasting and making the greatest contribution to the division of coffee samples into groups. By the method of discriminant analysis using 19 variables – absorption coefficients at the wave numbers of the spectrum – a system of classification functions for the gradation of grain coffee samples according to the geographical place of growth has been developed. It is proved that the combination of FTIR-spectroscopy with multivariate analysis methods can be used as a fast and non-destructive tool for identifying coffee beans.

Sign in / Sign up

Export Citation Format

Share Document