A-B型は、Aという見方の要素と、Bという見方の要素に、1対1の関係がある事を表してます。
A-B型の分析では、要素同士の1対1の関係を見て、AとBの関係を調べます。
多対多の分析 のA-B型は、データ処理の最初の段階がこの型になっている場合と、何らかの集計をして、この型にしている場合があります。
統計学の分野では、A-B型のAを「変数」、Bを「サンプル」として使う事が多いです。 多変量解析 や データマイニング のほとんどの手法は、A-B型のデータからスタートします。
このデータの場合、データ全体を見る方法としては、 折れ線グラフ 、 ヒートマップ といったグラフが役に立ちます。 ヒストグラム 、 箱ひげ図 、 2次元散布図 は、データの分布を見ることに使えます。
数理的な見方としては、 変数の類似度の分析 、 サンプルの類似度の分析 、 個々のカテゴリの類似度の分析 があります。
A-B型は、 ネットワーク の分野では、二部グラフを作る時のデータになります。 2つの異なる次元の関係を表します。
クロス集計 もA-B型です。
このデータ全体を見る方法としては、
棒グラフ
が一般的ですが、
ヒートマップ
や
2部グラフ
の方が良いこともあります。
このサイトでは、A-B型の分析方法として、 多次元同時付置図と3部グラフ も紹介しています。
A-B型の数理的な分析方法とグラフを組み合わせた分析方法になり、
データをそのままグラフにするよりも、深い考察ができます。
Rによる行と列の項目の、項目同士の類似度の分析 のページに、A-B型のデータが質的データの場合があります。
AB-C型は、A-B型の特別なものです。 異なるデータセットを行の項目をキーにして合体させた場合や、3つの列で分割表を作るとこの形(3元配置分割表)になります。
AB-C型の分析方法としては、 正準相関分析 があります。
順路
次は
クロス集計