科学网 |
您所在的位置:网站首页 › loading的成分 › 科学网 |
主成分分析之R篇
已有 36374 次阅读 2013-10-27 20:21 |个人分类:R|系统分类:科研笔记 R中psych包可以进行主成分分析,其分析的步骤为: (1) 判断主成分的个数; (2) 提取主成分; (3) 获取主成分得分; (4) 列出主成分方程,解释主成分意义。 【例子】 测定了20株杨树树叶,每个叶子测定了4个变量(叶长x1,2/3处叶宽x2,1/3处叶宽x2,1/2处叶宽x2),测定结果如表4-52所示。试进行本样本的主成分分析。 psych包中的fa.parallel()函数可以判断主成分的个数,其使用格式为: fa.parallel(x, fa = , n.iter =) 其中,x为待研究的数据集或相关系数矩阵,fa为主成分分析(fa= "pc")或者因子分析(fa = "fa"),n.iter指定随机数据模拟的平行分析的次数。分析代码如下: 123456789########## 代码清单 ##########library(psych) # 载入psych包 df round(unclass(pc$weights),2) RC1 RC2x1 0.09 0.94x2 0.31 -0.16x3 0.37 0.20x4 0.35 0.02根据上述的结果,即可写出第一和第二主成分的方程:
Y1 = 0.09 X1 + 0.31 X2 + 0.37 X3 + 0.35 X4 Y2 = 0.94 X1 - 0. 16 X2 + 0.20 X3 + 0.02 X4 从上述的两个方程中可知,第一主成分中,x2、x3、x4的系数相差不多,x1的系数较小,而x2、x3、x4均是叶宽的变量,因此第一主成分是表示叶宽的综合因子。同理,第二主成分主要由x1决定,是表示叶长的综合因子。总之,叶片之间的差异主要表现为叶宽,其次是叶长。 最后,还可画出样本排序图,横坐标为各样本第一主成分的得分,纵坐标为各样本第二主成分的得分,图中可直观地看出样本间的相互关系。全部叶片大致可分为两组:a1 ~ a10样本为一组,b1 ~ b10样本为一组。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |