主成分简介
降维,将大量相关变量转化为一组很少的不相关变量,根据我搜索的结果,当变量间的相关性高达85%以上的才可以使用主成分分析,得到不相关的很少个新变量。
总之
1.最终的新变量(主成分)的旧变量的线性组合(形成的线性组合的权重是通过最大化各主成分所解释的方差来获得)
2.最终的主成分之间没有相关性
3.变量之间必须有高度相关才可以
因子分析简介
因子分析探求变量之间的共同决定因素,就是把变量最终拆分成各种因子的线性组合。
R语言中的主成分和因子分析
基础包
princomp() #PCA函数
factanal() #EFA函数
psych包
(1)包的下载和载入
Install.packages('psych')
library(psych)
(2)包的函数简介
principal() #主成分分析(包含各种方差旋转方法)
fa() #因子分析(主轴、最小残差、加权最小平方或最大似然估计)
fa.parallel() #平行分析的碎石图
factor.plot() # 绘制因子分析或主成分分析的结果
fa.diagram() #绘制因子分析或主成分分析的载荷矩阵
scree() #因子分析和主成分分析的碎石图
你可能听不懂里面专有名词的意思
碎石图(碎石