How to analyse napping by Multiple

How to analyse napping by Multiple Factor Analysis (MFA)

What is the Napping method?

Napping is a holistic sensory method to get the sensory distances between products. Panelists have to arrange all the products on a blank paper sheet according to their own criteria. The closer products are, the more alike the panelist perceives them. You can also ask for panelists to write some words which describe the products.
The method is really easy to organize and quick. Moreover, you can directly know which are the criteria used by the panelists to differentiate the products if they describe the product positions on their "maps". However, this method is only possible for a few products, and limited by the size of the blank paper (commonly 60 x 40cm).

Presentation of the data and objectives

The sensory experiment was run on eight cookies tasted by 18 panelists during one session.
For each panelist j, we get back the coordinates Xij and Yij of each product i in a table. The next columns are filled with frequencies of the words used by the panelists to describe the cookies. Then, the last ones are sensory descriptors collected during another session. For each cookie, the value is the mark mean for all the panelists.

Data set for the napping Click to view

We want to know how judges discriminate cookies and what are their discrimination criteria. We will get a mean configuration for the panel and the principal components of variability.
Another goal of this study is to characterize the cookies and to look for a typology of the cookies.

Analysis

First of all, we analyze the way panelists arrange all the products. Due to the data structure, we perform a MFA with coordinates (XjYj) for each panelist as groups. In this way, all the judges have the same weight in the analysis. The data of each group aren't scaled because we need the distances between products.

Factorial map and confidence ellipses Click to view Correlation Circle

res.mfa

Kết quả (Việt) 1:

Làm thế nào để phân tích napping bởi nhiều yếu tố phân tích (MFA)Phương pháp Napping là gì?Ngủ trưa là một phương pháp giác toàn diện để có được cảm giác khoảng cách giữa các sản phẩm. Panelists có để sắp xếp tất cả các sản phẩm trên một tờ giấy trắng theo tiêu chí riêng của họ. Các sản phẩm gần gũi hơn là, các chi tiết như nhau panelist cảm nhận chúng. Bạn cũng có thể yêu cầu người được mời để viết một số từ miêu tả các sản phẩm.Phương pháp này là thực sự dễ dàng để tổ chức và nhanh chóng. Hơn nữa, bạn có thể trực tiếp biết là các tiêu chuẩn được sử dụng bởi những người được mời để phân biệt các sản phẩm nếu họ mô tả các vị trí sản phẩm của "bản đồ". Tuy nhiên, phương pháp này là chỉ có thể cho một vài sản phẩm, và bị giới hạn bởi kích thước của tờ giấy trắng (thường là 60 x 40cm).Trình bày của các dữ liệu và mục tiêuThử nghiệm cảm giác được chạy trên tám cookie nếm thử bởi 18 panelists trong một phiên.Cho mỗi j panelist, chúng tôi nhận được trở lại các tọa độ Xij và Yij của mỗi sản phẩm tôi trong một bảng. Các cột tiếp theo được làm đầy với các tần số của các từ được sử dụng bởi những người được mời để mô tả các tập tin cookie. Sau đó, những người cuối cùng là bộ mô tả cảm giác được thu thập trong một phiên. Đối với mỗi cookie, các giá trị là có nghĩa là đánh dấu cho tất cả những người được mời.Dữ liệu thiết lập cho napping nhấp để xemChúng tôi muốn biết làm thế nào thẩm phán phân biệt đối xử cookie và những gì đang có tiêu chí phân biệt đối xử của họ. Chúng tôi sẽ nhận được một cấu hình có nghĩa là cho các bảng điều khiển và các thành phần chính của sự biến đổi.Một mục tiêu của nghiên cứu này là để mô tả các tập tin cookie và để tìm kiếm một loại hình của các tập tin cookie.Phân tíchTrước hết, chúng tôi phân tích cách panelists sắp xếp tất cả các sản phẩm. Do cấu trúc dữ liệu, chúng tôi thực hiện một MFA với tọa độ (XjYj) cho mỗi panelist là các nhóm. Bằng cách này, tất cả các thẩm phán có cùng một trọng lượng trong phân tích. Dữ liệu của từng nhóm không thu nhỏ bởi vì chúng tôi cần các khoảng cách giữa các sản phẩm.Giai thừa bản đồ và sự tự tin elip nhấn vào để xem vòng tròn tương quanRes.MFA <-MFA (data[,c(2:37)], group=c(rep(2,18)), loại = c(rep("c",18)), ind.sup = NULL, ncp = 36, trục = c(1,2))#data: napping tọa độ #group: các nhóm khác nhau của MFA #type: các loại của các biến trong mỗi nhóm, "c" cho Trung tâm biến liên tục (unscaled)Res.boot <-boot(biscuits[,c(1:36)], phương pháp = "ngủ trưa", trục = 1:2, ncp = 3, quy mô = sai, group = c(rep(2,18)), nbsim = 200,level.conf = 0.95)#biscuits: thiết lập dữ liệu sử dụng#ncp: số lượng các kích thước giữ cho bootstrap#nbsim số các mô phỏngNhững kết quả đầu tiên có thể được hiểu theo cùng một cách như những người của một phân tích Composant chính (PCA). Chúng tôi chỉ cần thêm sự tự tin elip quanh mỗi chấm sản phẩm. Các hình elip được xây dựng với các phương pháp tổng boostrap. Chương trình mô phỏng ảo tấm. Nó chạy phân tích toàn bộ trên chúng và đại diện cho họ vào cấu hình thật được lấy từ bảng điều khiển đúng sự thật. Các hình elip tròn 95% các chấm cùng một sản phẩm. Vì vậy, các hình elip đại diện cho sự biến đổi của các vị trí sản phẩm trên bản đồ.Bản đồ các yếu tố cá nhân này là đồ có nghĩa là các yếu tố cá nhân cho tất cả các thẩm phán. Theo bảng, cookie F1, F2 trái ngược với các tập tin cookie F3, F4 trong trục đầu tiên. Hơn nữa, với trục thứ hai phản đối gần như tất cả các tập tin cookie P F cookie. Theo vòng tròn tương quan, panelist 16 thực hiện một cấu hình gần gũi với bản đồ có nghĩa là các yếu tố cá nhân.Giai thừa bản đồ và sự tự tin elip nhấn vào để xem vòng tròn tương quanQuán tính trục thứ hai và thứ ba đề nghị chúng tôi xem xét chiếc máy bay thứ hai.Trong bản đồ giai thừa thứ hai này, có 4 nhóm sản phẩm. P1, P3 và P2 cũng được phân biệt và những người khác đang tụ tập xung quanh sản phẩm F1.Vòng tròn tương quan cho thấy chỉ một số kích thước các panelists' cấu hình cũng được đại diện trong chiếc máy bay này.Đại diện Groupe nhấn vào để xem đại diện GroupeĐại diện nhóm cho thấy chất lượng đại diện của mỗi panelist. Thẩm phán 2 và 8 cũng được đại diện trên trục đầu tiên. Họ phân biệt cookie như trục này không. Theo dự kiến, chỉ vài thẩm phán cũng được đại diện trong chiếc máy bay thứ hai. Panelist 15 sự khác biệt giữa cookie như trục 3.Bổ sung các biến: descriptor đánh giáCách phổ biến nhất để mô tả các bản đồ này là sử dụng các biến mô tả các tính năng sản phẩm được đánh giá bởi một hội đồng người tiêu dùng. Các biến này là mô tả như vani hương thơm, giòn, ngọt ngào.Phân tích nhiều yếu tố: bổ sung biến nhấn vào đây để xem phân tích nhiều yếu tố: bổ sung các biếnRes.MFA <-MFA (data[,c(2:60)], group=c(rep(2,18),23), loại = c(rep("c",18),"s"), ncp = 36, name.group = c(c(1:18),"desc"), num.group.sup = 19, trục = c(1,2))#type: "s" cho Trung tâm và thu nhỏ các biến liên tụcTheo vòng tròn tương quan, các thành phần đầu tiên của MFA là tiêu cực tương quan với mùi hương hay mùi đường, vani, caramel và sữa. Các biến thể hiện tính năng mildness của sản phẩm. Nhưng các thành phần đầu tiên cũng được liên kết tích cực với gran

Kết quả (Việt) 2:

Làm thế nào để phân tích chợp mắt bởi nhiều yếu tố tích (MFA)

phương pháp ngủ trưa là gì?

Ngủ trưa là một phương pháp cảm giác toàn diện để có được những khoảng cách cảm giữa các sản phẩm. Tham luận viên phải sắp xếp tất cả các sản phẩm trên một tờ giấy trắng theo tiêu chí riêng của họ. Các sản phẩm gần gũi hơn là, sự giống nhau hơn các luận viên nhận thức chúng. Bạn cũng có thể yêu cầu các chuyên gia đã viết một số từ ngữ trong đó mô tả sản phẩm.
Phương pháp này là thực sự dễ dàng để tổ chức và nhanh chóng. Hơn nữa, bạn có thể trực tiếp biết đó là những tiêu chí được sử dụng bởi các hội thẩm viên để phân biệt các sản phẩm nếu họ mô tả các vị trí sản phẩm trên "bản đồ" của họ. Tuy nhiên, phương pháp này chỉ có thể cho một vài sản phẩm, và bị giới hạn bởi kích thước của giấy trắng (thường là 60 x 40cm).

Trình bày các dữ liệu và mục tiêu

Thí nghiệm cảm giác được chạy trên tám cookie nếm 18 ủy viên trong một phiên.
Đối với mỗi panelist j, chúng tôi lấy lại tọa độ xij và yij của mỗi sản phẩm i trong một bảng. Các cột tiếp theo được làm đầy với các tần số của các từ được sử dụng bởi các hội thẩm viên để mô tả các tập tin cookie. Sau đó, những người cuối cùng là mô tả cảm giác thu thập trong một phiên. Đối với mỗi cookie, giá trị là dấu hiệu có nghĩa là cho tất cả các hội thẩm viên.

Dữ liệu thiết cho ngủ trưa Nhấn vào để xem

Chúng tôi muốn biết làm thế nào phân biệt thẩm phán cookie và tiêu chí phân biệt đối xử của họ là gì. Chúng tôi sẽ có được một cấu hình trung bình của bảng điều khiển và các thành phần chủ yếu của biến đổi.
Một mục tiêu của nghiên cứu này là để mô tả các tập tin cookie và để tìm một loại hình học của các cookie.

Phân tích

Trước hết, chúng tôi phân tích cách các chuyên gia đã sắp xếp tất cả các sản phẩm . Do cấu trúc dữ liệu, chúng tôi thực hiện một MFA có tọa độ (XjYj) cho mỗi luận viên như nhóm. Bằng cách này, tất cả các thẩm phán có cùng trọng lượng trong phân tích. Các dữ liệu của mỗi nhóm không được thu nhỏ lại vì chúng ta cần các khoảng cách giữa các sản phẩm.

Giai thừa bản đồ và tự tin elip Nhấn vào để xem tương quan các mối

res.mfa <-MFA (dữ liệu [c (02:37)], nhóm = c (rep (2,18)), type = c (rep ( "c", 18)), ind.sup = NULL, NCP = 36, rìu = c (1,2))
#data: các chợp phối
#group: các các nhóm khác nhau của MFA
#type: kiểu của các biến trong mỗi nhóm, "c" cho trung tâm (chưa định tỷ lệ) các biến liên tục

res.boot <-boot (bánh quy [, c (1:36)], method = "ngủ trưa" , rìu = 1: 2, NCP = 3, quy mô = FALSE, nhóm = c (rep (2,18)), nbsim = 200, level.conf = 0,95)
#biscuits: tập dữ liệu sử dụng
#ncp: số chiều giữ cho bootstrap
số #nbsim mô phỏng

những kết quả đầu tiên có thể được hiểu theo cùng một cách như những người thân của một phân tích Composant chính (PCA). Chúng tôi chỉ cần thêm sự tự tin elip xung quanh mỗi chấm sản phẩm. Những hình elip được xây dựng với tổng số phương pháp boostrap. Chương trình mô phỏng tấm ảo. Nó chạy toàn bộ phân tích trên chúng và đại diện cho họ vào cấu hình thực sự thu được từ bảng điều đúng. Các elip khoanh tròn 95% của các dấu chấm của cùng một sản phẩm. Vì vậy, các bầu dục đại diện cho sự thay đổi của vị trí sản phẩm trên bản đồ.
Bản đồ yếu tố cá nhân này là bản đồ yếu tố cá nhân trung bình cho tất cả các thẩm phán. Theo bảng điều khiển, cookies F1, F2 được trái ngược với các cookie F3, F4 ở trên trục đầu tiên. Hơn nữa, trục thứ hai chống lại gần như tất cả các cookies P đến cookie F.
Theo vòng tròn tương quan, panelist 16 thực hiện cấu hình gần với bản đồ yếu tố cá nhân trung bình.

Giai thừa bản đồ và tự tin elip Nhấn vào để xem tương quan các mối

các quán tính trục thứ hai và thứ ba đề nghị chúng tôi xem xét các máy bay thứ hai.
trong bản đồ thừa thứ hai này, có 4 nhóm sản phẩm. P1, P3 và P2 là cũng khác biệt và những người khác đang tụ tập xung quanh F1 sản phẩm.
Các vòng tròn tương quan cho thấy rằng chỉ có một số kích thước của cấu hình các tham luận viên được đại diện trong chiếc máy bay này.

Groupe đại diện Bấm vào để xem Groupe biểu

Các đại diện nhóm cho thấy các đại diện chất lượng của từng luận viên. Thẩm phán 2 và 8 cũng được biểu diễn trên trục đầu tiên. Chúng phân biệt cookie như trục này không. Theo dự kiến, chỉ có vài thẩm phán được đại diện trong các máy bay thứ hai. Tham luận viên 15 biệt cookie như trục 3.
biến bổ sung: Đánh giá mô tả

Cách phổ biến nhất để mô tả các bản đồ này là sử dụng biến mô tả các tính năng sản phẩm được đánh giá bởi một bảng điều khiển của người tiêu dùng. Các biến này mô tả như hương vani, giòn, ngọt.

Nhiều yếu tố Phân tích: các biến bổ sung vào để xem Nhiều yếu tố Phân tích: các biến bổ sung

res.mfa <-MFA (dữ liệu [c (2:60)], nhóm = c ( đại diện (2,18), 23), type = c (rep ( "c", 18), "s"), NCP = 36, name.group = c (c (1:18), "desc"), num.group.sup = 19, rìu = c (1,2))
#type: "s" cho các biến trung và quy mô liên tục

Theo vòng tròn tương quan, các thành phần đầu tiên của MFA là tương quan âm với các hương liệu hoặc mùi đường, vani, caramen và sữa. Các biến thể hiện các tính năng sự ngọt ngào của sản phẩm. Nhưng thành phần đầu tiên cũng được liên kết tích cực cho gran