FORSCHUNGSMETHODE
Multivariate Analyse
PCA, Proxy-Beziehungen, Kategorien und Hauptgradienten komplexer Daten.
01
Was die Methode zeigt
Kovariation mehrerer Proxies, Probengruppierung, Hauptgradienten und Beziehungen zwischen Kategorien oder räumlichen Einheiten.
Wie wir sie in HEL einsetzen
Für standardisierte Tabellen mit genügend Proben und klar definierten Variablen; PCA und Tests werden im archäologischen Kontext interpretiert.
02
Wie die Methode funktioniert
Multivariate Analyse sucht Strukturen in Datensätzen, in denen jede Probe viele Variablen besitzt. Bei PCA werden korrelierte Variablen in neue orthogonale Achsen überführt, die nacheinander möglichst viel Varianz erfassen.
Scores zeigen die Position der Proben im neuen Raum, Loadings die Beiträge der Variablen zu den Achsen. So werden Gruppen, Gradienten und gemeinsam variierende Elemente sichtbar, die in vielen Einzelgrafiken schwer erkennbar wären.
PCA erklärt keine Kausalität und reagiert auf Skalierung, Transformation und Ausreißer. Die statistische Struktur muss wieder mit der archäologischen Frage und dem räumlichen Kontext verbunden werden.
GIS, Geochemie, robusten Kontrollgruppen und Folgetests klarer Hypothesen.
03
Praktisch
- Input / Materialbereinigte numerische Tabelle plus Kontextkategorien
- Skala / AuflösungProbe, Profil, Standort und Vergleichsdatensatz
- Probenahme / Vorbereitungabhängig von der Primärmethode; Metadaten und Replikation sind entscheidend
- Typischer OutputPCA-Scores/Loadings, Boxplots, Post-hoc-Tests und weitere Ordinationen
04
Grenzen und Kontrolle
PCA und statistische Unterschiede sind keine kausalen Erklärungen; Skalierung, Datenkomposition, Missing Values und Gruppengrößen müssen geprüft werden.
Třebokov: PCA und räumliche Analyse multivariater geochemischer Signale.
05
Literatur und HEL-Studien
Ausgewählte Studien, auf denen die Methodenbeschreibungen und HEL-Beispiele beruhen.