R语言学习笔记：主成分分析及因子分析_r screeplot

1.主成分分析

princomp()

 

princomp(formula, data = NULL, subset, na.action, ...)

princomp(x, cor = FALSE, scores = TRUE, covmat = NULL, subset = rep(TRUE, nrow(as.matrix(x))), ...)

x为数据集；cor默认为FALSE，表示使用样本的协方差阵作主成分分析，若为TRUE表示使用相关系数矩阵；如果不用x指定数据集，可使用covmat指定协方差阵。

 

prcomp()

 

prcomp(x, retx = TRUE, center = TRUE, scale. = FALSE, tol = NULL,...)

retx表示是否旋转数据，即中心化和标准化，默认为TRUE；center表示中心化；scale.表示用相关系数矩阵计算主成分，默认使用协方差矩阵。

 

绘制碎石图：由陡峭变平坦时，选择最佳主成分个数

screeplot（）

 

screeplot(x, npcs = min(10, length(x$sdev)), type = c("barplot", "lines"), main = ...)

x是主成分分析返回的对象；npcs指定画出主成分的个数；type是碎石图的类型，barplot是条形图，lines是线形图

 

2.因子分析

factanal():极大似然估计法，适用于大样本

 

factanal(x, factors, data = NULL, covmat = NULL, o.obs = NA, subset, na.action, start = NULL, scores = c("none", "regression", "Bartlett"), rotation = "varimax", control = NULL,...)

x为矩阵或数据框；factors表示生成的因子个数；data表示数据集，当x为公式时使用；covmat指样本的协方差矩阵或相关系数矩阵，使用这个参数时可以忽略x；scores表示计算因子得分的方法；rotation表示因子旋转方法

 

极大似然估计法有时计算会出错，可以使用主成分分析法

fa():psych包，通过选择参数“fm=”选择方法，“ml”极大似然估计法，“pa”主轴迭代（主成分分析）