R语言之主成分分析-2

关键词：r语言主成分分析、r语言主成分分析案例、r语言主成分分析画图、r语言主成分回归分析

主成分分析应用：变量分类问题 主成分回归问题

#变量分类问题
#案例：已知16项指标的相关矩阵 从相关矩阵R出发 进行主成分分析  对16个指标进行分类

#1.载入相关系数 下三角表示
x<-c(1.00,
       0.79, 1.00,
       0.36, 0.31, 1.00,
       0.96, 0.74, 0.38, 1.00,
       0.89, 0.58, 0.31, 0.90, 1.00,
       0.79, 0.58, 0.30, 0.78, 0.79, 1.00,
       0.76, 0.55, 0.35, 0.75, 0.74, 0.73, 1.00,
       0.26, 0.19, 0.58, 0.25, 0.25, 0.18, 0.24, 1.00,
       0.21, 0.07, 0.28, 0.20, 0.18, 0.18, 0.29,-0.04, 1.00,
       0.26, 0.16, 0.33, 0.22, 0.23, 0.23, 0.25, 0.49,-0.34, 1.00,
       0.07, 0.21, 0.38, 0.08,-0.02, 0.00, 0.10, 0.44,-0.16, 0.23, 1.00,
       0.52, 0.41, 0.35, 0.53, 0.48, 0.38, 0.44, 0.30,-0.05, 0.50,0.24, 1.00,
       0.77, 0.47, 0.41, 0.79, 0.79, 0.69, 0.67, 0.32, 0.23, 0.31,0.10, 0.62, 1.00,
       0.25, 0.17, 0.64, 0.27, 0.27, 0.14, 0.16, 0.51, 0.21, 0.15,0.31, 0.17, 0.26, 1.00,
       0.51, 0.35, 0.58, 0.57, 0.51, 0.26, 0.38, 0.51, 0.15, 0.29,0.28, 0.41, 0.50, 0.63, 1.00,
       0.21, 0.16, 0.51, 0.26, 0.23, 0.00, 0.12, 0.38, 0.18, 0.14,0.31, 0.18, 0.24, 0.50, 0.65, 1.00)
)
#2.输入16个指标的名称
names<-c(“X1”, “X2”, “X3”, “X4”, “X5”, “X6”, “X7”, “X8”,

                 “X9″,”X10”, “X11”, “X12”, “X13”, “X14”, “X15”, “X16”)
#3.将矩阵生成相关矩阵 即原始下三角矩阵的扩展
R<-matrix(0,nrow=16,ncol=16,dimnames=list(names,names))

for(i in 1:16){
for(j in 1:i){
   R[i,j]<-x[(i-1)*i/2+j];R[j,i]<-R[i,j]
}
}

#4.主成分分析
x.pr<-princomp(covmat=R)  #covmat协方差阵
load<-loadings(x.pr)  #载荷

#5.散点图
plot(load[,1:2])
text(load[,1],load[,2],adj=c(-0.4,0.3))

通过散点图可以得到分析结果：指标1 2 4 5  6 7 13可以归为一类 ；指标9 10 12可以归为一类；指标3 8 11 14 15 16可以归为一类。

主成分回归问题  主成分分析 当自变量出现多重共线性时 未看懂~~~

转载请注明：数据分析 » R语言之主成分分析-2_r语言主成分分析