南京邮电大学多元统计分析实验四-主成分分析

LizzyDra

已于 2024-06-06 14:47:28 修改

阅读量282

点赞数 2

分类专栏： R语言实验文章标签： windows r语言算法

于 2024-06-06 14:46:32 首次发布

本文链接：https://blog.youkuaiyun.com/LizzyDra/article/details/139500364

版权

R语言实验专栏收录该内容

7 篇文章

订阅专栏

使用平台：R、Rstudio

题目描述：数据Employee data.sav中为银行在1969-1971年之间雇员情况的数据，共包括474条观测及10个变量,本例中需要用到的变量分别为Educ ,Salary,Salbegin,Jobtime,Prevexp。进行主成分分析。

> rm(list=ls())
> # library(foreign)
> library(haven)
> # data <- read.spss("主成分分析（Employeedata）.sav", to.data.frame = TRUE)
> data=read_sav("主成分分析（Employeedata）.sav")
> Id=data[,1]
> Educ=data[,4]
> Salary=data[,6]
> Salbegin=data[,7]
> Jobtime=data[,8]
> Prevexp=data[,9]
> # Prevexp[data=="missing"]=0
> # 提取特定列数据
> # selected_data <- data[, c(4,6:9)]  # 选择第4、6、7、8、9列的数据
> selected_data=data.frame(Educ,Salary,Salbegin,Jobtime,Prevexp)
> # 执行主成分分析
> pca_result <- prcomp(selected_data, scale = TRUE)  
# 进行主成分分析，scale = TRUE表示对数据进行标准化
> print(pca_result)
> sigm=cov(selected_data)
> my51=eigen(sigm)
> #特征值
> lam<-my51$values
> p<-length(lam)
> #方差贡献率
> culam<-cumsum(lam)/sum(lam)
> VE<-data.frame(lam,lam/sum(lam),culam)
> colnames(VE)<-c("特征根","贡献率","累计贡献率")
> print(VE)
> #碎石图
> plot(lam,type="o",xlab="主成分序号",ylab="特征值")
> #特征向量
> gam<-my51$vectors
> colnames(gam)<-paste("vec",sep="",1:p)
> print(gam[,1:2])
> #因子负荷量
> lam_ma<-matrix(lam,p,p,byrow=TRUE)
> sigmai<-(diag(sigm))^0.5
> #特征根*特征根的算术平方根
> gamsla<-gam*sqrt(lam_ma)
> load<-gamsla/sigmai
> colnames(load)<-paste("load",sep="",1:p)
> print(load[,1:2])
> VV<-load^2
> print(VV[,1:2])
> sum(VV[,1:2])/5