The projective mapping data consist

The projective mapping data consist, conventionally, of two variables
per assessor, one being the x-coordinate and one being the y-coordinate.
As the assessors may have applied different criteria to distinguish between
the samples, the sets of variables cannot be assumed to be of similar nature.
Hence, a data analysis taking account for such varying variable sets (k-sets)
is desirable. For projective mapping data, SensoMineR suggest to apply an
Indscal model or an MFA. MFA is a two-step analysis where the first step
is a principal component analysis of each set of variables (unless data are
categorical in which case it is a multiple correspondence analysis). This is
performed to normalize each set of variables. The second step is a new

Kết quả (Việt) 1:

Projective ánh xạ dữ liệu bao gồm, đầu đạn thường, hai biếnmỗi assessor, một là x-phối hợp và một là y-phối hợp.Như các thẩm có thể đã áp dụng các tiêu chí khác nhau để phân biệt giữamẫu, bộ biến không thể được giả định có tính chất tương tự.Do đó, phân tích dữ liệu dùng tài khoản cho biến khác nhau đặt ra (k-bộ)là mong muốn. Đối với dữ liệu bản đồ projective, SensoMineR đề xuất để áp dụng mộtIndscal mô hình hoặc một MFA. MFA là một phân tích hai bước, nơi lần đầu tiên bướclà một phân tích thành phần chủ yếu của mỗi tập hợp của các biến (trừ khi dữ liệuphân loại trong trường hợp nó là một phân tích thư từ nhiều). Điều này làthực hiện để bình thường hóa mỗi tập hợp của các biến. Bước thứ hai là một mới

Kết quả (Việt) 2:

Dữ liệu bản đồ projective bao gồm, thông thường, hai biến
mỗi giám định viên, một là tọa độ x và một bị y phối hợp.
Như các giám định viên có thể áp dụng các tiêu chí khác nhau để phân biệt giữa
các mẫu, các bộ biến có thể không được giả định có tính chất tương tự.
Do đó, một phân tích dữ liệu có tính cho như bộ biến khác nhau (k-bộ)
là mong muốn. Đối với dữ liệu bản đồ projective, SensoMineR đề nghị áp dụng một
mô hình Indscal hoặc một MFA. MFA là một phân tích hai bước mà bước đầu tiên
là một phân tích thành phần chính của mỗi tập hợp các biến (trừ khi dữ liệu được
phân loại trong trường hợp nó là một phân tích nhiều thư). Điều này được
thực hiện để bình thường hóa mỗi bộ biến. Bước thứ hai là một mới