PCA得分与原始变量的最小二乘拟合
我有100个变量，我想使用变量var15-v25进行因子分析。为此，我首先将变量提取到另一个对象（比如
f
spss_data_factor <- sqldf("SELECT Respondent_Serial,Q4_01_Q4,Q4_02_Q4,Q4_03_Q4,Q4_04_Q4,Q4_05_Q4,Q4_06_Q4,Q4_07_Q4,Q4_08_Q4,Q4_09_Q4,Q4_10_Q4 FROM spss_data_rel")
f <- princomp(spss_data_factor1, cor = TRUE)
summary(f, loadings=TRUE)
f$scores[, 1:5]
没有找到相关结果
已邀请:
2 个回复
莽缓逢
是保留的。它会工作得很好，但它可能会在某些开发点上让你感到困惑......而你的不是一个文件，它是一个类的R对象。 无论如何，您想要将因子得分定义为预测变量的回归模型？一块蛋糕......并且不需要合并：fa <- princomp(mtcars, cor=TRUE) fa_scores <- fa$scores fit <- lm(mtcars$hp ~ fa_scores) summary(fit) Call: lm(formula = mtcars$hp ~ fa_scores) Residuals: Min 1Q Median 3Q Max -2.521e-14 -7.825e-15 -2.416e-15 5.622e-15 4.329e-14 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 1.467e+02 2.862e-15 5.125e+16 <2e-16 *** fa_scoresComp.1 -2.227e+01 1.113e-15 -2.000e+16 <2e-16 *** fa_scoresComp.2 -1.679e+01 1.758e-15 -9.549e+15 <2e-16 *** fa_scoresComp.3 9.449e+00 3.614e-15 2.614e+15 <2e-16 *** fa_scoresComp.4 -4.567e+00 5.513e-15 -8.285e+14 <2e-16 *** fa_scoresComp.5 -3.644e+01 6.055e-15 -6.019e+15 <2e-16 *** fa_scoresComp.6 -4.821e+00 6.222e-15 -7.747e+14 <2e-16 *** fa_scoresComp.7 -1.010e-01 7.783e-15 -1.297e+13 <2e-16 *** fa_scoresComp.8 1.501e+01 8.164e-15 1.838e+15 <2e-16 *** fa_scoresComp.9 -3.886e+01 1.031e-14 -3.768e+15 <2e-16 *** fa_scoresComp.10 1.672e+01 1.255e-14 1.333e+15 <2e-16 *** fa_scoresComp.11 -1.731e+01 1.928e-14 -8.979e+14 <2e-16 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 1.619e-14 on 20 degrees of freedom Multiple R-squared: 1, Adjusted R-squared: 1 F-statistic: 5.053e+31 on 11 and 20 DF, p-value: < 2.2e-16回归。功能支持公式，其中可以是矩阵。见： 如果响应是矩阵线性模型 用最小二乘法分开安装 到矩阵的每一列。 所以，你可以这样做：我希望这有用...... 无论如何，如果您想进行因子分析，请参阅此链接。您应该安装William Revelle的包。你换
## Factor Analysis library(psych) spss_data_fac=read.csv("D:\Arijit\spss_data_rel_01.csv") fa.parallel(spss_data_fac[,40:49]) spss_data_fac_01=factanal(spss_data_fac[,40:49],factors=2,scores="regression",rotation="promax") spss_data_fac_01$scores ## Factor Analysis factors are used for logistic regression spss_dat_reg=glm(spss_data_fac$Q8~spss_data_fac_01$scores+spss_data_fac$Q14) summary(spss_dat_reg)