Chapter 10 PCA on CATA and liking scores

To include liking scores and CATA data in one analysis, we use PCA.

[Dette afsnit bliver i 2022 i en light version, jeg foreslår at vi i 2023 includerer et ##pca og ##pls]

[ALT HER SKAL LAVES]

A PCA on the agglomerated CATA counts including the liking will reveal the attributes associated with the individual products, and which attributes are correlated with the liking:

[MODEL RETTES MORTEN - jeg har bare kopieret ind fra tidligere. vi skal også have et led/kode, hvor vi putter liking ind i CATA data sættet? det laves vel på rådata? Skal vi så også lave en model 2 på gennemsnitsdata? eller er det ikke nødvendigt?]

mdlPCAcataliking <- prcomp(beercatasum[,-1], scale. = T)
ggbiplot::ggbiplot(mdlPCAcataliking, labels = beercatasum$Beer)

[MORTEN: Forklaring på koden]

The attributes Bean, Caramel, Warming, Aromatic etc is associated to the beer Brown ale, while Berrie, Dessert, Pungent, etc. is characteristic of Wheat IPA

[skulle meget gerne vise hvad der driver liking, ved godt PLS er bedre her, men det når vi ikke i år. ydermere har de studerende heller ikke PCA færdigheder når de kommer til os, så det bliver alt for meget for dem med flere metoder….]

[BOM: Add some more narrative?]