FactoMineR中FAMD分析定性变量绘图异常问题咨询

问题背景 #

数据集包含25个记录身体部位荧光有无的二元定性变量、6个定量变量，以及性别、属、深度等补充变量，在运行FAMD时遇到两个问题：

• 用na.omit()移除缺失值后，绘制定性变量二维图时显示无法解释的小数，而非类别标签
• 用missMDA::imputeFAMD()处理缺失值后，绘图中类别重复出现，且带有_0和_1后缀

1. 明显错误识别 #

第一个问题的根源 #

二元定性变量可能被误识别为数值型，或者部分变量因缺失值移除后只剩单一水平（比如所有样本的某部位荧光都是0），导致FAMD将其当作定量变量处理，绘图时显示数值而非类别标签。

第二个问题的根源 #

手动将imputeFAMD()生成的tab.disj（定性变量的虚拟编码矩阵）传入FAMD()时，原始数据集的定性变量仍会被FAMD自动重新编码，导致同一类别被两次编码，出现重复标签。

2. 类别重复带_0/_1后缀的原因 #

imputeFAMD()的tab.disj已经是定性变量的虚拟变量编码结果，而FAMD()默认会对输入数据中的所有定性变量再次生成虚拟变量。同时传入原始数据集和tab.disj，会让FAMD同时处理两组编码后的变量，最终绘图时就会出现同一类别重复显示（一组是原始类别名，另一组是虚拟变量的_0/_1后缀名）。

3. 对整体分析的影响 #

这种重复编码会导致定性变量的权重被错误放大，干扰维度的解释性，降低分析结果的可靠性；同时重复的标签会让可视化结果混乱，无法准确解读变量间的关系。

4. 数据集是否适合FAMD #

完全适合！FAMD的核心就是处理混合定性与定量变量的数据集，你的数据包含二元定性（荧光有无）、多分类定性（属、性别）和定量变量（深度、荧光强度），正好匹配FAMD的适用场景，能有效整合两类变量的信息进行降维分析。

解决方案 #

针对“绘图显示小数”问题 #

1. 确保二元变量为因子类型：检查并转换所有二元定性变量为factor，避免被当作数值处理：

# 替换为你的二元变量列名列表
binary_vars <- c("frontal_dorsal", "frontal_ventral", "mesogastric", ...)
fluo_famd1[binary_vars] <- lapply(fluo_famd1[binary_vars], as.factor)

2. 移除无信息的单一水平变量：如果某定性变量所有样本的取值都相同（比如ps4全为0），这类变量对分析无贡献，可提前移除：

# 筛选出多水平的定性变量
qual_vars <- sapply(fluo_famd1, is.factor)
single_level <- sapply(fluo_famd1[, qual_vars], function(x) length(levels(x)) == 1)
fluo_famd1 <- fluo_famd1[, !single_level]

3. 重新运行FAMD并绘图：

res.famd1 <- FAMD(fluo_famd1, sup.var=c(1,2,28,35), graph=FALSE, ncp=5)
fviz_famd_var(res.famd1, "quali.var")

针对“类别重复”问题 #

无需手动传入tab.disj，直接使用imputeFAMD()返回的插补后完整数据集运行FAMD即可：

library(missMDA)
library(FactoMineR)
library(factoextra)

# 缺失值插补
res.impute <- imputeFAMD(fluo_famd2, ncp=3)

# 使用插补后的完整数据集运行FAMD
res.famd2 <- FAMD(res.impute$completeObs, sup.var=c(1,2,28), graph=FALSE, ncp=5)

# 绘制定性变量图
fviz_famd_var(res.famd2, "quali.var")

内容的提问来源于stack exchange，提问作者Susanne Bähr