2小时学懂【多元统计分析】——主成分分析（R语言）

首先，我们将加载必要的包，生成模拟数据，然后执行PCA，并展示如何解释和分析结果。

加载必要的包和生成模拟数据

# 加载需要的包
library(psych) # 这个包提供了很多心理统计和多元统计的函数，包括PCA相关的函数

# 设置随机数种子以便结果可复现
set.seed(123)

# 生成模拟数据
# 假设我们有5个变量和100个观测值
n <- 100
data <- data.frame(
  var1 = rnorm(n),
  var2 = rnorm(n, mean = 2),
  var3 = rnorm(n, sd = 2),
  var4 = rnorm(n, mean = 3, sd = 1.5),
  var5 = rnorm(n, mean = 1, sd = 0.5) + rnorm(n, mean = 2, sd = 0.5) # 引入一些相关性
)

# 查看数据的前几行
head(data)

执行主成分分析

# 使用princomp函数进行主成分分析
# princomp函数在base R中提供，但它没有principal函数（在psych包中）那么强大和灵活
pca_result_princomp <- princomp(data)

# 使用psych包中的principal函数进行主成分分析
# 这个函数提供了更多的选项和输出
pca_result_principal <- principal(data, nfactors = 2, rotate = "none", scores = TRUE)

# 输出principal函数的结果
print(p