如何使用关联矩阵作为对R中princomp()的输入

Question

我有一个表示大型数据集的相关矩阵的数据：

> data
   V1    V2    V3    V4    V5    V6    V7    V8
1 1.000 0.846 0.805 0.859 0.473 0.398 0.301 0.382
2 0.846 1.000 0.881 0.826 0.376 0.326 0.277 0.415
3 0.805 0.881 1.000 0.801 0.380 0.319 0.237 0.345
4 0.859 0.826 0.801 1.000 0.436 0.329 0.327 0.365
5 0.473 0.376 0.380 0.436 1.000 0.762 0.730 0.629
6 0.398 0.326 0.319 0.329 0.762 1.000 0.583 0.577
7 0.301 0.277 0.237 0.327 0.730 0.583 1.000 0.539
8 0.382 0.415 0.345 0.365 0.629 0.577 0.539 1.000

我想使用{stats}中的princomp()进行主成分分析--我试着阅读了可用的文档，得到了：

myPCA <- princomp(~V1+V2+V3+V4+V5+V6+V7+V8, data=data, covmat=data)

但这和我停止上次争论时没有什么不同。请建议使用princomp()参数的正确方法。

Answer 1

您可能想尝试在principal包下使用psych函数。https://personality-project.org/r/html/principal.html。

下面是http://www.statmethods.net/advstats/factor.html的摘录

 # Principal Axis Factor Analysis
 library(psych)
 fit <- principal(mydata, nfactors=5, rotate="varimax")
 fit # print results

mydata可以是原始数据矩阵，也可以是协方差矩阵。

Answer 2

您可以考虑使用eigen函数，它将生成相关矩阵的特征值(等效于princomp产生的sdevs的平方)以及特征向量(等效于princomp产生的负载)。

这一呼吁只是：

myPCA <- eigen(data)
myPCA$values
myPCA$vectors