這期內(nèi)容當(dāng)中小編將會給大家?guī)碛嘘P(guān)如何用R語言實現(xiàn)主成分分析，文章內(nèi)容豐富且以專業(yè)的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

成都創(chuàng)新互聯(lián)是網(wǎng)站建設(shè)技術(shù)企業(yè)，為成都企業(yè)提供專業(yè)的網(wǎng)站設(shè)計、做網(wǎng)站，網(wǎng)站設(shè)計，網(wǎng)站制作，網(wǎng)站改版等技術(shù)服務(wù)。擁有10余年豐富建站經(jīng)驗和眾多成功案例，為您定制適合企業(yè)的網(wǎng)站。10余年品質(zhì)，值得信賴！

建議大家直接采用R語言實現(xiàn)主成分分析，今天先送上一枚案例。

使用R語言自帶USJudgeRatings法官綜合素質(zhì)評分?jǐn)?shù)據(jù)，每位法官均有12項維度打分，我們覺得用12個指標(biāo)評價一位法官過于復(fù)雜了，現(xiàn)在請對12個維度打分變量進(jìn)行降維處理，造幾個主成分來用于綜合評價。

數(shù)據(jù)如下：

加載包：

library(psych)

畫出含平行分析的碎石圖：

fa.parallel(USJudgeRatings, fa = "pc", n.iter = 100, show.legend = TRUE, main = 'Scree plot with parallel analysis')

此圖告訴我們似乎是提取1個主成分。判斷主成分個數(shù)的經(jīng)驗和方法不只是這一個，我覺得只提取1個主成分的話有些偏執(zhí)，可以考慮多提1個，共提取2個主成分進(jìn)行考察。

接下來開始主成分分析，暫不旋轉(zhuǎn)：

USJ.pc<-principal(USJudgeRatings,nfactors=2,rotate = "none")

提取到兩個主成分PC1、PC2，特征值分別為10.13、1.10，均大于1，以特征值為參考的話，提取前2個主成分尚可。方差貢獻(xiàn)比例分別為84%、9%，累積方差貢獻(xiàn)比例94%，一般認(rèn)為大于80%，即可認(rèn)為主成分有較大代表性。

從累積方差貢獻(xiàn)，特征值的表現(xiàn)來看，提取2個主成分沒問題。

12個指標(biāo)和PC1、PC2交叉的數(shù)字即為載荷，從載荷的分布來看，可以比較輕松的劃分各指標(biāo)與主成分的歸屬，比如PC2在指標(biāo)“CONT”上的載荷明顯大于其他，所以"CONT"是PC2的主要代表變量，而其他變量在PC1的載荷均較大，所以PC1是一個一般性的綜合成分。鑒于此，不做旋轉(zhuǎn)處理是可以的，不影響對主成分核心含義的提煉。

和SPSS主成分的結(jié)果對比一下，主成分特征值、方差貢獻(xiàn)比例完全一致。

再對比一下SPSS輸出的載荷矩陣，也是一致。

如果覺得我表述不清的話，那我們繪制指標(biāo)變量與主成分載荷圖，直觀看一下效果。

fa.diagram(USJ.pc,simple=TRUE)

效果很直觀，就不用文字多說了。

執(zhí)行到此處，我們已經(jīng)確認(rèn)12個維度指標(biāo)變量，提取前2個成分作為主成分是可以的。

接下來，我們需要計算每個主成分的得分了。

USJ.spc<-principal(USJudgeRatings,nfactors=2,rotate = "none",scores = TRUE)

head(USJ.spc$scores)

對主成分得分變量的使用，通常是直接用于從高到底排序，排名靠前的法官則在該主成分維度上表現(xiàn)突出?；蛘呔C合2個主成分得分變量，構(gòu)造一個綜合得分進(jìn)行評價。

上述就是小編為大家分享的如何用R語言實現(xiàn)主成分分析了，如果剛好有類似的疑惑，不妨參照上述分析進(jìn)行理解。如果想知道更多相關(guān)知識，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

網(wǎng)站題目：如何用R語言實現(xiàn)主成分分析
網(wǎng)站URL：http://aaarwkj.com/article24/pcdjce.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站收錄、定制開發(fā)、網(wǎng)站導(dǎo)航、外貿(mào)網(wǎng)站建設(shè)、用戶體驗、營銷型網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)