Interpretación del gráfico de factores MDS

Question

Supongamos que ejecuto el Escalamiento Multidimensional y obtengo el gráfico resultante. ¿Puede alguien sugerirme cómo interpretar el gráfico? Por favor, encuentre uno de mis resultados a continuación. Aquí tengo 5 conceptos que ejecuto el MDS basado en 10 variables. Estaré agradecido si alguien puede ayudarme.

Saludos, Ari

Answer 1

Estoy respondiendo a mi propia pregunta por 2 razones:1) Quiero tener claro que lo que he entendido es correcto o no. 2) Si alguien está buscando la misma razón que él / ella debe encontrar aquí. También voy a dar algunas referencias donde la gente puede leer más sobre la interpretación de MDS ploting para entenderlo mejor.

Esta respuesta se divide en varias partes: Parte 1: Los ejes del biplot son los componentes principales. El eje x tiene el PC 1, que refleja la máxima varianza en el conjunto de datos. El eje y tiene el PC 2, que refleja la segunda mayor varianza. Por ejemplo, en mi ejemplo, el eje x representa el 72% de la varianza, mientras que el eje y representa el 16% de la varianza de los datos.

 PC1      PC2      PC3      PC4 
0.727891 0.166721 0.070320 0.003048 

Parte 2: Las flechas reflejan cómo se cargan las variables en cada PC. Por ejemplo, en mi ejemplo, "despejado" y "visualización" tienen una carga muy negativa en el PC 2, de ahí el eje Y. Del mismo modo, "sin agua", "alivio rápido" y "convincente" tienen una carga altamente positiva en el PC 2, de ahí el eje x. Esto nos permite visualizar cómo se cargan las variables en los diferentes PC.

                    NMDS1     NMDS2
Safe                      0.616967 -0.786989
Highly.efficacious       -0.135565  0.990768
Same.side.effect.profile  0.822707 -0.568466
Fast.Relief               0.988621 -0.150428
No.Water                  0.990893  0.134648
Convenient                0.989206  0.146534
Convincing                0.763225 -0.646133
Visually.appealing        0.154414 -0.988006
Very.novel                0.900984  0.433853
Noticeable                0.691596  0.722284
Likely.to.be.read         0.887028 -0.461715
Uncluttered               0.031498 -0.999504
Interesting               0.872584 -0.488465
Credible                  0.620556 -0.784162
Prescribe.Recommend       0.809955 -0.586492

parte 3: Los puntos de los conceptos nos indican lo diferentes que son entre sí. Así, en mi ejemplo, los conceptos 1 y 2 son muy diferentes del resto. El concepto 2 es malo tanto en términos de atractivo visual como de comodidad. Mientras que los conceptos 3 y 4 son más parecidos. También son buenos en términos de visualización y comodidad.

Reference: 1) Greenacre, M. (2010). Biplots in Practice
           2) Everitt & Hothorn: An Introduction to Multivariate Analysis with R(Chapter 4).
           3) Hair: Multivariate Data Analysis