【发布时间】：2016-12-07 09:35:34
【问题描述】：
我正在进行主成分分析，以减少我的回归模型的变量数量，其中数据集数量少且自变量数量多（大约 40 个自变量）。
我正在使用函数princomp 生成主成分，因为我在自变量之间具有相关性。但我不知道如何根据 PCA 的数量使用 princomp 输出。我有兴趣使用预测的主成分
你能帮帮我吗？
提前致谢
【问题讨论】：
【发布时间】：2016-12-07 09:35:34
【问题描述】：
my_pca <- prcomp(data)
summary(my_pca)
总的来说，标准差是特征值的平方根。 您可以使用 Kaiser 标准：仅保留特征值 > 1 的因子/分量。
pc1 <- my_pca$x[,1] # 1st component
pc2 <- my_pca$x[,2] # 2nd component
...
【讨论】：
-
我使用的是 princomp，而不是 prcomp，因为我有相关矩阵。我认为 $x 不适用于 princomp。在本论坛发帖之前，我尝试了 prin_comp
-
我会尝试 prcomp：stats.stackexchange.com/questions/20101/…
-
我没有尝试 prcomp 的选项。我有二进制和数字变量的组合，所以我使用 hetcor 来生成相关性，我在 princomp 中使用该相关性
-
prin_comp$scores[,1] -
谢谢。我的摘要（prin_comp）返回标准偏差，方差比例，PC 的累积比例，但不知道为什么 prin_comp$scores[,1] 返回 NULL。你能帮帮我吗？