R语言多元分析.docxVIP

R语言多元分析2012年09月19日 ?Script?暂无评论? 被围观 115 views+ A. 主成分分析主成分分析（principal components analysis， PCA）是一种分析、简化数据集的技术。它把原始数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标（称为第一主成分）上，第二大方差在第二个坐标（第二主成分）上，依次类推。主成分分析经常用减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是在处理观测数目小于变量数目时无法发挥作用，例如基因数据。R语言中进行主成分分析可以采用基本的princomp函数，将结果输入到summary和plot函数中可分别得到分析结果和碎石图。但psych扩展包更具灵活性。一、选择主成分个数选择主成分个数通常有如下几种评判标准：根据经验与理论进行选择 根据累积方差的门槛值，例如选择使累积方差达到80%的主成分个数。 根据相关系数矩阵的特征值，选择特征值大于1的主成分。 另一种较为先进的方法是平行分析（parallel analysis）。该方法首先生成若干组与原始数据结构相同的随机矩阵，求出其特征值并进行平均，然后和真实数据的特征值进行比对，根据交叉点的位置来选择主成分个数。我们选择USJudgeRatings数据集举例，首先加载psych包，然后使用fa.parallel函数绘制下图，从图中可见第一主成分位于红线上方，第二主成分位于红线下方，因此主成分数目选择1。查看源代码打印帮助1fa.parallel(USJudgeRatings[,-1], fa=pc, n.iter=100, show.legend=FALSE)二、提取主成分查看源代码打印帮助1pc=principal(USJudgeRatings[,-1],nfactors=1) PC1 h2 u21 0.92 0.84 0.15652 0.91 0.83 0.16633 0.97 0.94 0.06134 0.96 0.93 0.07205 0.96 0.92 0.07636 0.98 0.97 0.02997 0.98 0.95 0.04698 1.00 0.99 0.00919 0.99 0.98 0.019610 0.89 0.80 0.201311 0.99 0.97 0.0275从上面的结果观察到，PC1即主成分负荷，是观测变量与主成分之间的相关系数，h2是变量能被主成分解释的比例，u2则是不能解释的比例。三、旋转主成分旋转是将主成分负荷进行变换，以方便解释。可分为正交旋转和斜交旋转。正交旋转的流行方法是方差最大化，需要在principal中增加rotate=varimax参数四、计算主成分得分主成分得分是各变量的线性组合，需在principal中增加score参数，结果将存放在scores中。但注意如果输入数据不是原始数据时，则无法计算主成分得分。B. 探索性因子分析 探索性因子分析（Exploratory Factor Analysis，EFA）是一项用来找出多元观测变量的本质结构、并进行处理降维的技术。 因而，EFA能够将将具有错综复杂关系的变量综合为少数几个核心因子。EFA和PCA的区别在于：PCA中的主成分是原始观测变量的线性组合，组合的选择是在各主成分无关条件下使其方差最大化。而EFA中的因子是影响原始观测变量的潜在变量，变量中不能被因子所解释的部分称为误差，因子和误差均不能直接观察到。进行EFA需要大量的样本，一般经验认为如何估计因子的数目为N，则需要有5N到10N的样本数目。虽然EFA和PCA有本质上的区别，但在分析流程上有相似之处。下面我们用ability.cov这个心理测量数据举例，其变量是对人的六种能力，例如阅读和拼写进行了测验，其数据是一个协方差矩阵而非原始数据。R语言中stats包中的factanal函数可以完成这项工作，但这里我们使用更为灵活的psych包。一、选择因子个数一般选择因子个数可以根据相关系数矩阵的特征值，特征值大于0则可选择做为因子。我们使用平行分析法（parallel analysis）。该方法首先生成若干组与原始数据结构相同的随机矩阵，求出其特征值并进行平均，然后和真实数据的特征值进行比对，根据交叉点的位置来选择因子个数。根据下图我们可以观察到特征值与红线的关系，有两个因子都位于红线上方，显然应该选择两个因子。查看源代码打印帮助1library(psych) 2covariances - ability.cov$cov3correlations - cov2cor(covariances) 4fa.parallel(corr