主成分分析结果成分不显著_SPSS完不成主成分分析，那就换

小兵建议大家直接采用R语言实现主成分分析，今天先送上一枚案例。

使用R语言自带USJudgeRatings法官综合素质评分数据，每位法官均有12项维度打分，我们觉得用12个指标评价一位法官过于复杂了，现在请对12个维度打分变量进行降维处理，造几个主成分来用于综合评价。数据如下。

加载包：library(psych)

画出含平行分析的碎石图：

fa.parallel(USJudgeRatings, fa = "pc", n.iter = 100, show.legend = TRUE, main = 'Scree plot with parallel analysis')

此图告诉我们似乎是提取1个主成分。判断主成分个数的经验和方法不只是这一个，我觉得只提取1个主成分的话有些偏执，可以考虑多提1个，共提取2个主成分进行考察。

接下来开始主成分分析，暂不旋转：

USJ.pc

提取到两个主成分PC1、PC2，特征值分别为10.13、1.10，均大于1，以特征值为参考的话，提取前2个主成分尚可。方差贡献比例分别为84%、9%，累积方差贡献比例94%，一般认为大于80%，即可认为主成分有较大代表性。

从累积方差贡献，特征值的表现来看，提取2个主成分没问题。

12个指标和PC1、PC2交叉的数字即为载荷，从载荷的分布来看，可以比较轻松的划分各指标与主成分的归属，比如PC2在指标“CONT”上的载荷明显大于其他，所以"CONT"是PC2的主要代表变量，而其他变量在PC1的载荷均较大，所以PC1是一个一般性的综合成分。鉴于此，不做旋转处理是可以的，不影响对主成分核心含义的提炼。

和SPSS主成分的结果对比一下，主成分特征值、方差贡献比例完全一致。

再对比一下SPSS输出的载荷矩阵，也是一致。

如果觉得我表述不清的话，那我们绘制指标变量与主成分载荷图，直观看一下效果。

fa.diagram(USJ.pc,simple=TRUE)

效果很直观，就不用文字多说了。

执行到此处，我们已经确认12个维度指标变量，提取前2个成分作为主成分是可以的。

接下来，我们需要计算每个主成分的得分了。

USJ.spc

head(USJ.spc$scores)

对主成分得分变量的使用，通常是直接用于从高到底排序，排名靠前的法官则在该主成分维度上表现突出。或者综合2个主成分得分变量，构造一个综合得分进行评价。

End.

作者：数据小兵

来源：博客

本文均已和作者授权，如转载请与作者联系。

主成分分析结果成分不显著_SPSS完不成主成分分析，那就换相关推荐

主成分分析结果成分不显著_spss、R做出来的主成分分析因子载荷和得分结果不同...
spss.R做出来的主成分分析因子载荷和得分结果不同同样一组数据,我用spss.matlab.R中的princomp函数和vegan程序包中的rda函数多种计算方法做主成分分析,结果竟然不一样.我仔 ...
主成分分析（PCA）原理和鲁棒主成分分析（RPCA）详解
主成分分析(PCA)原理和鲁棒主成分分析(RPCA)详解 1.相关背景在许多领域的研究与应用中,通常需要对含有多个变量的数据进行观测,收集大量数据后进行分析寻找规律.多变量大数据集无疑会为研究和应用 ...
给20块钱买可乐，每瓶可乐3块钱，喝完之后退瓶子可以换回1块钱，问最多可以喝到多少瓶可乐
//给20块钱买可乐,每瓶可乐3块钱,喝完之后退瓶子可以换回1块钱,问最多可以喝到多少瓶可乐.(5分) public class Test1 {public static void main(Stri ...
给20块钱买可乐，每瓶可乐3块钱，喝完之后退瓶子可以换回1块钱，问最多可以喝到多少瓶可乐？
给20块钱买可乐,每瓶可乐3块钱,喝完之后退瓶子可以换回1块钱, 问最多可以喝到多少瓶可乐? public class Test {public static void main(String[] a ...
spss主成分综合得分_spss主成分分析怎么算出综合得分
成分初始特征值提取载荷平方和总计方差百分比累积 % 总计方差百分比 ...
三级指标主成分分析_(完整版)主成分分析法的步骤和原理
Z 1 = μ 11 X 1 + μ 12 X 2 + -μ 1p X p Z 2 = μ 21 X 1 + μ 22 X 2 + -μ 2p X p -- -- -- Z p = μ p1 X 1 ...
主成分分析；主成分回归分析——Hald水泥问题；主成分分析案例——各地区普通高等教育发展水平综合评价；matlab
目的对原变量加以"改造",在不致损失原变量太多信息的条件下尽可能地降低变量地维数,即用较少的"新变量"代替原来地各变量. 通过变换:用低维(主成分)近似高维( ...
主成分分析结果成分不显著_关于主成分分析的五个问题
主成分分析是一种多元分析中最常见的降维和赋权方法.然而,在实际的应用中,许多人在没有搞清楚方法的意义时就大胆使用,很有点好分析不求甚解的味道.要知道这样的行为不仅害人而且害己.所谓害人,就是害了阅读你 ...
主成分分析（PCA）和基于核函数的主成分分析（KPCA）入门
文章目录 1 前言 2 PCA的原理 2.1 什么是投影 2.2 投影后的方差 2.3 转化为求特征值的问题 2.4 符号的表示 3 KPCA的原理 4 PCA和KPCA在Python中的使用 4.1 ...

主成分分析结果成分不显著_SPSS完不成主成分分析，那就换

主成分分析结果成分不显著_SPSS完不成主成分分析，那就换相关推荐

最新文章

热门文章