R语言的两种主成分分析

katymeala 发表于 2015-4-25 20:52
无论哪种方法，都是（列）标准化以后做的，函数内部自己会处理，乘系数那个数就是标准化以后的数
PC1 PC ...

抱歉，又来打扰，我经过了round(unclass(pc$weights),4)，得到如下，和法2的loadings还是有很大差别，是为什么？
              PC1     PC2     PC3     PC4
Open        0.1047  0.1318  -0.0022  -0.2304
High        0.1068  0.1182  -0.0269  -0.2001
Low         0.1059  0.1094  -0.0254  -0.2950
Close       0.1073  0.0956  -0.0539   -0.2701
Volume      0.0983  0.0237  -0.0622  0.5195
Chengjiaoe  0.1014  0.0354   -0.0897  0.4619
MA5        0.1010  0.1710  0.0390  -0.2044
AR26        0.0624 -0.2201  0.5193   -0.1594
BR26        0.0771 -0.1687  0.4751   -0.2603
BIAS12      0.0681 -0.3089   -0.2186  -0.1079
OBV         0.0966  0.1383  -0.1653  0.0582
PSY         0.0808 -0.0588   0.1919   0.7945
K           0.0693 -0.2796   -0.1696  0.1135
WR         -0.0448  0.2886  0.4263  0.2650

你这个是r in action 里面的吧，这书里面说的round(unclass(pc$weights),4)是获取主成分得分系数，但是我看多元统计书里面讲的主成分得分系数是特征值对应的正交特征向量，可以用eigen()来查。 这里的weights我也不知道是什么，请教！  F=AX (A应该是单位特征向量才对啊)。

多谢，现在总算明白了

aiwai123 发表于 2016-4-8 10:29
多谢，现在总算明白了

我使用principal函数时没发现问题，但是经楼主反映，就有疑问了，查了下帮助文档，解释如下：“Basically it is just doing a principal components analysis (PCA) for n principal components of either a correlation or covariance matrix.... Unlike princomp, this returns a subset of just the best nfactors.”就是说PC1,PC2....是给出的N个主成分因子的较优的一个子集而非全部。不理解，前面说的PC值不是主成分，求解释？

principal，是不是可以理解成因子分析，主成分分析用princomp函数。

fx911 发表于 2017-9-24 19:28
principal，是不是可以理解成因子分析，主成分分析用princomp函数。

不可以，因子分析函数是fa()

spsssas 发表于 2019-2-16 18:10
不可以，因子分析函数是fa()

谢谢，新手尝试

用SPSS做的因子分析（使用主成分方法）得到的结果和principal函数得到的结果一样，主成分得分也是一样。那么到底是应该用principal的主成分得分还是princomp得到的主成分得分呀？