principal函数与prcom函数主成分分析区别

分别使用psych包的principal函数与基础包的prcomp函数对数据集USArrests进行主成分分析。
1、principal函数
首先分析主成分个数
fa.parallel(USArrests, fa="pc", n.iter=100)
结果如下：

判定有一个主成分
然后使用principal函数pc <- principal(USArrests, nfactors=1)，结果如下：

2、使用prcomp函数pc1 <- prcomp(USArrests, scale. =TRUE)，结果如下：

计算了一下，这两个方法载荷系数不同，请问是怎么回事，求大神解答，谢谢！

我是王婷 发表于 2016-6-23 16:43
请问，楼主你知道什么原因了吗？

principal函数有问题，principal函数给出的loadings与prcomp的loadings差一个标准差倍数，principal的weights与loadings差一个方差倍数，所以principal函数应该不能直接计算主成分分析。按照pca的方法验算，prcomp函数没有问题，而principal有问题。我在网上也查了很久，principal一般都是从R IN action引用的，而prcomp的函数是软件自带的也是ISL中的例子，个人感觉更靠谱些。

You may need to scale your data when using the first method.

waterhorse 发表于 2015-12-12 00:21
You may need to scale your data when using the first method.

第一个方法默认先进行标准化的

ヾ過去式°ο° 发表于 2015-12-12 14:24
第一个方法默认先进行标准化的

If this is the case, I would use Singular Value Decomposition to find what the problem is.

请问，楼主你知道什么原因了吗？

principal函数有问题，principal函数给出的loadings与prcomp的loadings差一个标准差倍数，principal的weights与loadings差一个方差倍数，所以principal函数应该不能直接计算主成分分析。按照pca的方法验算，prcomp函数没有问题，而principal有问题。我在网上也查了很久，principal一般都是从R IN action引用的，而prcomp的函数是软件自带的也是ISL中的例子，个人感觉更靠谱些。