빅데이터와 인공지능 시대에는 자연과학, 인문, 사회과학의 복잡한 현상을 설명하고 예측하기 위하여 매우 많은 개체와 변수들에 의해서 측정한 고차원(high dimension)의 다변량 자료(multivariate data)의 이해와 필요성이 요구된다. 

《R과 함께하는 다변량자료분석》은 다변량 자료로부터 정보를 얻고 이를 수치적이면서 시각적으로 보여줄 다양한 다변량 통계분석 기법과 이를 도와 줄 도구로 최근 각광을 받고 있는 R의 활용을 포함하고 있다.

이 책에는 다변량 통계적 분석 기법에 관하여 제1장 다변량 자료분석에서 제10장 형상분석까지 구성되어 있다. 특히, 다변량 자료의 변수와 개체의 유사성과 군집 정보를 얻기 위한 관점에서 저자의 주관적 기준으로 분류해 보면 다음과 같다

∙ 변수들의 정보를 위한 기법 －주성분분석(Principal Component Analysis) －인자분석(Factor Analysis) －정준상관분석(Canonical Correlation Analysis)

∙ 개체들의 정보를 위한 기법 －판별분석과 분류나무(Discriminant Analysis and Classification Tree) －군집분석(Cluster Analysis) －다차원척도법(Multidimensional Scaling)

∙ 시각적 정보를 위한 기법 －행렬도(Biplot) －대응분석(Correspondence Analysis) －형상분석(Shape Analysis) R의 활용은 매뉴얼적인 차원의 자세한 설명은 자제하고 다양한 다변량 자료와 관련된 기법의 응용, 활용, 결과 해석에 초점을 맞추었다.

 대신에 [자료]와 [R-코드]를 본문중에 추가해서 독자들이 이용하는 데 어려움이 없도록 했는데, 이는 저자의 홈페이지 (yschoi.pusan.ac.kr)에서 내려받을 수 있다.

 -머리말중에서-

제 1 장　다변량 자료분석(Multivariate Data Analysis) 1

1.1　다변량 자료분석의 이해 · 2 

1.2　다변량 분석기법의 종류 · 8 

1.3　다변량 자료의 소개 및 시각화 · 10 

1.4　다변량 자료의 행렬표현과 요약통계량 · 29 

1.5　다변량 자료의 거리와 상관 · 39 

1.6　다변량 정규분포와 유용한 성질 · 45 

1.7　위샤트 분포와 호텔링 T2–분포 · 55 

1.8　다변량 정규성의 검정 · 58 

1.9　연습문제 · 63 

제 2 장　주성분분석(Principal Component Analysis) 67 

2.1　주성분분석의 이해 · 68 

2.2　주성분의 개념 · 69 

2.3　주성분의 대수적 유도 · 78 

2.4　주성분의 선택과 설명력 · 82 

2.5　표본 주성분의 대수적 유도 · 89 

2.6　주성분분석의 시각화 · 110 

2.7　주성분분석을 위한 R · 118 

2.8　연습문제 · 123 

제 3 장　인자분석(Factor Analysis) 133 

3.1　인자분석의 이해 · 134 

3.2　공통인자의 개념 · 135 

3.3　인자모형 · 137 

3.4　인자모형의 추정 · 142 

3.5　인자회전과 인자적재그림 · 160 

3.6　인자점수와 활용 · 167 

3.7　인자분석의 시각화 · 178 

3.8　인자분석을 위한 R · 183 

3.9　연습문제 · 189 

제 4 장　정준상관분석(Canonical Correlation Analysis) 193 

4.1　정준상관분석의 이해 · 194 

4.2　정준상관과 정준변수 · 194 

4.3　정준상관의 유의성 검정 · 209 

4.4　정준상관분석의 시각화 · 214 

4.5　정준상관분석을 위한 R · 218 

4.6　연습문제 · 225 

제 5 장　군집분석(Cluster Analysis) 229 

5.1　군집분석의 이해 · 230 

5.2　연관성측도 · 231 

5.3　계층 군집분석 · 241 

5.4　비계층 군집분석 · 261 

5.5　군집의 수 · 276 

5.6　통계모형에 의한 군집분석 · 281 

5.7　군집분석을 위한 R · 286 

5.8　연습문제 · 291 

제 6 장　판별분석, 분류나무(Discriminant Analysis, Classification Tree) 295 

6.1　판별분석의 이해 · 296 

6.2　두 군집의 판별분석 · 297 

6.3　다변량 정규성을 따르는 두 군집의 판별분석 · 300 

6.4　여러 군집의 판별분석 · 319 

6.5　다변량 정규성을 따르는 여러 군집의 판별분석 · 321 

6.6　판별함수의 평가 · 331 

6.7　두 군집의 피셔 선형판별분석 · 339 

6.8　여러 군집의 피셔 선형판별분석 · 342 

6.9　로지스틱 판별분석 · 352 

6.10 분류나무 · 362 

6.11 판별분석과 분류나무를 위한 R · 378 

6.12 연습문제 · 386 

제 7 장　다차원척도법(Multidimensional Scaling) 393 

7.1　다차원척도법의 이해 · 394 

7.2　계량형 다차원척도법 · 395 

7.3　비계량형 다차원척도법 · 414 

7.4　삼원 다차원척도법 · 425 

7.5　비선형 다차원척도법 · 438 

7.6　다차원척도법을 위한 R · 445 

7.7　연습문제 · 450 

제 8 장　대응분석(Correspondence Analysis) 455 

8.1　대응분석의 이해 · 456 

8.2　단순 대응분석 · 457 

8.3　대응분석에서 독립성과 동질성 · 468 

8.4　다중 대응분석 · 471 

8.5　분류변수 자료의 다중 대응분석 · 487 

8.6　대응분석을 위한 R · 492 

8.7　연습문제 · 498 

제 9 장　행렬도(Biplot) 503

9.1　행렬도의 이해 · 504 

9.2　행렬도의 이론 · 505 

9.3　세 가지 행렬도 · 509 

9.4　행렬도를 위한 R · 519 

9.5　연습문제 · 522

제10장　형상분석(Shape Analysis) 529 

10.1　형상분석의 이해 · 530 

10.2　형태공간과 형상좌표 · 532 

10.3　프로크러스티즈분석 · 541 

10.4　OPA 적합 알고리즘 · 548 

10.5　GPA 적합 알고리즘 · 559 

10.6　평균형상의 비교와 검정 · 566 

10.7　형상분석을 위한 R · 578 

10.8　연습문제 · 583 

∎참고문헌 · 587 

∎R–코드 및 자료목록 · 595 

∎후기 · 605 

∎찾아보기 · 607

최용석 

1992년 부산대학교 자연과학대학 통계학과 교수가 된 후로 현재까지 다변량통계학, 형상분석, 통계조사, 통계상담, 범주형 자료분석, 시각화기법에 관심이 많다.

1984년도에 부산대학교 계산통계학과를 졸업하고, 1986년과 1991년에 고려대학교 통계학과 석사와 박사학위를 취득하였다. 

1996년 영국 애버딘대학 수리과학부 통계전공 Post-Doc., 2003년에는 영국 리즈대학 방문교수, 2012년에는 미국 아이오와 주립대학 PPSI 연구소 방문교수를 하였다. 

주요저서로는 《다차원척도법의 산책》(2014), 《R을 활용한 행렬도분석의 이해》(2013), 《통계적 형상분석의 이해와 응용》(2006) 등이 있다. 

호는 일풍(一風: 한 줄기 바람)으로 풍광이 수려한 부산 용호동 섶자리(최초 염전지) 근처에 산다. 개인 블로그(blog.daum.net/musigma)에 취미 생활인 詩와 그림이 있다. 

저자의 논문, 저서 그리고 제자 등 보다 자세한 소개는 홈페이지(yschoi.pusan.ac.kr)를 참고하기 바란다.

배송정보

교환/반품 정보