基于R語言的主成分分析

加入的SPSS群里有人問，怎么用SPSS進行主成分分析。確實沒有注意到這種操作。很好奇，于是翻了翻孫振球的《醫學統計學》，發現主成分分析這一塊，竟使用了SAS！后來再找找網上的說明，SPSS似乎卻被是不能直接進行主成分分析的。

主成分分析在R語言里面的實現幾乎是瞬間的事兒，它只需要princomp()一個函數。

于是從記錄的幾次考試成績里找了稍規整些的Excel表，行列轉換了重新粘貼在csv文件里，直接給score向量了。

代碼如下：

#Excel列轉行直接賦給向量score

RStudio輸出結果：

Importance?of?components:
??????????????????????????Comp.1????Comp.2????Comp.3????Comp.4?????Comp.5
Standard?deviation?????1.7664414?1.0569992?1.0067533?0.8154655?0.26821204
Proportion?of?Variance?0.5200526?0.1862079?0.1689254?0.1108307?0.01198962
Cumulative?Proportion??0.5200526?0.7062604?0.8751858?0.9860165?0.99800608
????????????????????????????Comp.6
Standard?deviation?????0.109377749
Proportion?of?Variance?0.001993915
Cumulative?Proportion??1.000000000

Loadings:
????Comp.1?Comp.2?Comp.3?Comp.4?Comp.5?Comp.6
ch1??0.534?????????0.163??0.245??0.745??0.263
ch2??0.533??0.199??0.188????????-0.597??0.527
ch3??0.557?????????0.114????????-0.144?-0.804
ch4??0.181?-0.763?-0.229??0.537?-0.208???????
ch5??0.289?-0.303?-0.544?-0.709??0.145???????
ch6????????-0.524??0.759?-0.377??????????????
>?#畫碎石圖給出主成分
>?screeplot(score.pr,type="lines")
>

第1章ch1幾乎決定了52%的總成績，而ch2、ch3、ch4影響程度相差不多，至ch4累計貢獻已經達到0.9860165，ch5、ch6幾乎可以不看了，這樣，從觀察6次成績變成以觀察4次、甚至只觀察第1次成績為主，達到了降維的目的。

總之從這一點上，R語言要比SPSS可能要方便得多。R語言擁有極其方便易用的Help，關于主成分分析，有更多的介紹和功能，在此不述。

總結

以上是生活随笔為你收集整理的canoco5主成分分析步骤_基于R语言的主成分分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。