R代码分享：使用PCA方法对于communality进行计算

最新推荐文章于 2026-01-05 17:47:06 发布

原创

最新推荐文章于 2026-01-05 17:47:06 发布 · 382 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#r语言 #经验分享

该文介绍了使用PCA（主成分分析）计算communality的过程，包括数据矩阵化、计算四分相关系数、执行PCA生成特征向量、绘制特征值散点图以确定保留的组件数量，以及计算因子载荷的平方和作为communality的步骤。

有关于communality的介绍在此不加展开，采用的计算思路是源于此篇文章的supplement materials：

Livingston G, Huntley J, Sommerlad A, et al. Dementia prevention, intervention, and care: 2020 report of the Lancet Commission. Lancet 2020; published online July 30. http://dx.doi.org/10.1016/S0140-6736(20)30367-6.

https://www.thelancet.com/cms/10.1016/S0140-6736(20)30367-6/attachment/cee43a30-904b-4a45-a4e5-afe48804398d/mmc1.pdf

以下为纯代码分享：

# step1. input data on all risk factors in the model
# my original dataset: pca_set

my_matrix<-as.matrix(pca_set)

# step2. calculate tetrachoric correlation to generate correlation coefficients and