我有一个离散（序数、分元和名义）变量的数据集，描述了几种密切相关的昆虫的形态翅膀特征。我想做的是进行某种分析，根据形态特征，我可以直观地表示不同物种的相似性。我脑海中浮现的第一件事是 PCA（这是我想要创建的可视化类型），但在研究之后（特别是其他问题，例如：主成分分析是否可以应用于包含连续混合的数据集？和分类变量？)，似乎 PCA 可能不适用于离散数据（PCA 用于文献中的这些类型的研究，但总是用于连续数据）。忽略为什么这些数据不合适的统计背景，PCA 确实给了我关于我的生物学问题的相对完美的结果（感兴趣的混合群体正好位于他们父系群体的中间）。

我也尝试过多重对应分析来安抚统计数据（至少就我的理解而言），但我似乎无法得到一个类似于我用 PCA 得到的情节，我的观察（生物个体）用颜色隔开，以显示不同的分组（从生物学上讲，不同的物种）。似乎这种分析旨在描述变量（这里是我的形态特征）如何相互关联，而不是单独的观察。当我绘制按组着色的观察结果时，我只得到一个描述整个个体集的值（也许是平均值）。我已经在 R 中完成了分析，所以也许我还不够精通 R，无法让我对情节的想法发挥作用。

我对我的数据进行这种分析是正确的，还是我偏离了轨道？如果你不知道，我的统计专业知识是有限的，所以这些分析下发生的方程式完全超出了我的想象。我正在尝试完全描述性地进行此分析（我不需要再做任何下游数字运算），并且我已经读到如果是这种情况，PCA 就足够了，但要确保我不是违反了太多的统计假设。