R做主成分分析的时候一些疑问

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

同样的数据，为什么用R做princomp的时候用协方差阵和相关阵差异那么大。。。

Importance of components:
                           Comp.1      Comp.2      Comp.3
Standard deviation     34.6956706 1.590134395 1.175336973
Proportion of Variance  0.9967625 0.002093673 0.001143842
Cumulative Proportion   0.9967625 0.998856158 1.000000000


Importance of components:
                         Comp.1    Comp.2       Comp.3
Standard deviation     1.413915 0.9990767 0.0518737839
Proportion of Variance 0.666385 0.3327181 0.0008969632
Cumulative Proportion  0.666385 0.9991030 1.0000000000


求大神指点

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：主成分分析 主成分 Proportion Components cumulative

princomp的算法其实就是求特征值，标准化前后矩阵特征值差异巨大造就了结果的差异

求证1加1 发表于 2014-4-10 23:13
princomp的算法其实就是求特征值，标准化前后矩阵特征值差异巨大造就了结果的差异

谢谢斑竹！还有就是fa.parallel和principal的区别是什么？R in action里面貌似这两个都做主成分分析的

求证1加1 发表于 2014-4-10 23:13
princomp的算法其实就是求特征值，标准化前后矩阵特征值差异巨大造就了结果的差异

是不是fa.prallel因子分析和主成分分析都可以做？

xly000 发表于 2014-4-11 09:37
是不是fa.prallel因子分析和主成分分析都可以做？

exactly 方法略微不太一样

其实你这个都不算差异大的！ 主要是因为你的数据中个别因子的方差可能远大于别的因子，从而在基于协方差矩阵的PCA会受到个别因子的强烈影响，这时候PCA所能表达的信息也受到了限制。虽然相关矩阵解释度降低了（前两轴），但事实上它能传达的信息却会增加。

想请教一下楼主，那个相关关系矩阵应该怎么得到啊？