PCAとPCoAの違いを徹底解説！どっちを使うべきかがわかる中学生にも優しい入門ガイド

---

PCAとPCoAの違いを正しく理解するための基本

まず名前の意味から整理しましょう。PCAはPrincipal Component Analysisの略で日本語では主成分分析と呼ばれます。データの分散をできるだけ多く説明する方向を探し、それを新しい座標系の軸として並べ替えます。要するに、データの情報をできるだけ壊さずに、線形な結合の組み合わせで表すのが目的です。新しい軸の第一主成分は、データの分散が最も大きくなる方向、第二主成分はその直交方向で、以降も同様に分散を説明します。これにより、次元を削減しても、元データの特徴をなるべく保持することができます。

一方のPCoAはPrincipal Coordinates Analysisの略で、距離行列を材料にして座標を作る方法です。PCoAは元のデータの値そのものより、サンプル間の距離や不一致を定義した「距離行列」に基づいて配置を決めます。つまり、距離が意味の中心になるデータに対して有効です。

この差は計算の出発点にも現れます。PCAは共分散行列を作って固有値分解を行いますが、PCoAはまずサンプル間の距離を作り、それを二乗して中央化した後に固有値分解をします。結果として得られる座標軸は、データの分散の説明ではなく、距離関係の再現度を軸にしています。

ここで重要なのは、PCAが「元の変数の線形結合」でデータを再現するのに対し、PCoAは「サンプル間の関係性」を再現するという点です。これを理解しておくと、次元削減をどう解釈すべきか、どちらを使うべきかの判断がしやすくなります。

データの前処理としては、PCAの場合は標準化やスケーリングが頻繁に推奨されます。異なる単位を持つ変数が混ざると、分散が大きい変数が過剰に影響してしまうからです。PCoAでも距離の算出前にデータの性質に応じた処理が必要です。例えば生態学データなら Bray-Curtis 距離、遺伝子データなら Jaccard 距離など、距離の選択自体が結果の解釈に大きく関わります。

実務での使い分けとポイント

この2つの手法を現場でどう使い分けるかは、研究の目的とデータの性質次第です。PCAを使う場面は、複数の連続的変数があり、それらの総合的なパターンを一度に見たいときです。手順としては、まずデータを標準化し、共分散矩陣を作成してから固有値分解を行います。得られた主成分の寄与率をチェックして、何次元まで削減してよいか決めます。視覚化の際は、第一主成分と第二主成分を横軸・縦軸にとり、データ点を scatter します。

PCoAは、データに距離がある場合に強力です。サンプル間の距離を直接計算し、それを基に座標を配置します。生態学的データや遺伝子データの可視化、クラスタリングの補助として広く使われます。距離の定義を変えることで、見える構造が変わる点にも注意が必要です。例えば Bray-Curtis 距離と Euclidean 距離では、同じデータでも見え方が大きく異なります。

負の固有値が現れる場合もあり得ます。これは距離行列が厳密な意味での「距離」ではない可能性を示します。その場合はデータの適合度を再評価したり、別の距離を試したりします。

まとめると、PCAは情報の圧縮と特徴抽出に向いており、PCoAは関係性の可視化と解釈に向いています。データの性質と目的を見極め、前処理の選択を誤らないことが、分析を成功させるコツです。

<table> <th>項目 PCA PCoA 入力 元の変数 距離行列 軸の解釈 主成分（線形結合） 主座標（距離の再現） 距離/分散の扱い 分散を重視 距離を重視 適用例 特徴抽出、特徴の圧縮 生態学・遺伝子データの可視化 前処理 標準化が推奨 距離の計算方法を選ぶ 欠点/注意 線形性に依存 負の固有値の可能性、距離の選択影響 table>

この2つの道具を使いこなすには、データの性質を理解することが大切です。目的に合わせて適切な前処理を選び、結果を可視化する際には軸の意味を明示して説明しましょう。そうすれば、複雑なデータの中にも“わかりやすいストーリー”を見つけることができます。

最後に、初心者のうちは両方を試してみて、どの手法が自分のデータに一番適しているかを体感的に覚えると良いでしょう。

ピックアップ解説

今日は友だちと帰り道に PCA と PCoA の話をちょっとした。彼は距離の感覚が難しいと言っていたので、私がImagine してみせた例が役に立った。PCA はデータの中から“この方向にデータが広がる”を探す線形の軸作り。つまり、数値の分散を最大化する方向を見つける作業だ。一方で PCoA はサンプル間の距離をそのまま座標として並べる可視化。距離が意味を持つデータ、たとえば生態系の似ている点どうしの関係を見たいときに強い。結局、データの性質と目的が決め手。距離の選択次第で見える世界が変わる、そんなところが面白いね、と話して解散した。

---