主成分分析R软件实现程序(一):
>d=read.table("clipboard",header=T) #从剪贴板读取数据
>sd=scale(d)
>sd
>d=read.table("clipboard",header=T)
>pca=princomp(d,cor=T)
>screeplot(pca,type="line",mian="碎石图",lwd=2)
从碎石图上可以看出,前两个主成分的方差贡献率比重比较大,下面计算前两个主成分的累积方差贡献率是否超过80%……
>dcor=cor(d) #求相关矩阵
>deig=eigen(dcor)
>deig$values #输出特征值
>sumeigv=sum(deig$values)
>sumeigv
>sum(deig$values[1:2])/k #求前两个主成分的累积方差贡献率
>pca$loadings[,1:2]
观察载荷系数可以得到:主成分C1在……
>deig$values[1]/k;deig$values[2]/k; #计算主成分C1、C2的系数b1、b2
C=(b1*C1+b2*C2)/(b1+b2)=q1*C1+q2*C2
>s=pca$scores[,1:2] #输出前两个主成分的得分
>c=s[1:评价对象的个数,1]*q1+s[1:评价对象的个数,2]*q2
>cbind(s,c)
然后把综合得分c的值从小到大排序,得到最后评价结果。
注意:在这里c的值指的是c的实数的值,并非绝对值。
主成分分析R软件实现程序(二):
在excel中点击复制要读取的文件
>data<-read.table("clipboard",header=T,sep='\t')
>data
>data.pr<-princomp(data,cor=TRUE)#data为数据矩阵或数据框,cor为是否用相关阵,默认为协差阵,scores为是否输出成分得分
>summary(data.pr,loading=TRUE)#loading=TURE选项列出了主成分对应原始变量的系数
画出三种碎石图:
>screeplot(data.pr)
>biplot(data.pr)
>screeplot(data.pr,type=("line"))