독립성분 행렬도

• Published in: Ŭngyong tʻonggye yŏnʼgu Vol. 27; no. 1; pp. 31 - 41
• Main Authors: 이수진, Su Jin Lee, 최용석, Yong Seok Choi
• Format: Journal Article
• Language: Korean
• Published: 한국통계학회 2014
• Subjects: Biplot; independent component analysis; non-Gaussian; 독립성분분석; 비가우시안; 통계학; 행렬도; 행렬도; 독립성분분석; 비가우시안; independent component analysis; Biplot; non-Gaussian
• ISSN: 1225-066X; 2383-5818

행렬도(biplot)는 이원표 자료행렬(two-way data matrix)의 행과 열을 한 그림에 동시에 나타내는 탐색적 방법으로, 복잡한 다변량 분석 결과를 보다 쉽게 파악할 수 있는 장점이 있다. 특히 주성분인자 행렬도(principal com-ponent factor biplot; PCFB)는 인자분석을 통해서 변수들 간의 상호의존 구조를 탐색하기 위한 시각적 도구이다. 자료에 따라 잠재된 변수들이 독립(independent)이고 비가우시안(non-Gaussian) 분포를 가진다는 사전 정보가 있을 때, Jutten과 Herault (1991)가 제안한 독립성분분석(independent component analysis)을 이용한다. 이 경우 주성분법을 이용한 인자분석을 적용하면 원래 변수들의 상호 관계를 잘못 해석할 수도 있다. 따라서 본 논문에서는 자료에 따라 잠재된 변수들이 독립이고 비가우시안 분포를 가진다는 사전 정보가 있을 때, 독립성분분석을 응용하여 원래 변수들 간의 상호 관계를 기하학적으로 살펴볼 수 있는 시각적 도구인 독립성분 행렬도(independent component biplot; ICB)를 제안하려 한다. Biplot is a useful graphical method to simultaneously explore the rows and columns of a two-way data matrix. In particular, principal component factor biplot is a graphical method to describe the interrelationship among many variables in terms of a few underlying but unobservable random variables called factors. If we consider the unobservable variables (which are mutually independent and also non-Gaussian), we can apply the independent component analysis decomposing a mixture of non-Gaussian in its independent components. In this case, if we apply the principal component factor analysis, we cannot clearly describe the interrelationship among many variables. Therefore, in this study, we apply the independent component analysis of Jutten and Herault (1991) decomposing a mixture of non-Gaussian in its independent components. We suggest an independent component biplot to interpret the independent component analysis graphically.