主成分分析，就是要对X进行标准化处理（去除变量量纲的影响）得Xstd，之后cov（Xstd）求协方差Xcov，然后eig（Xcov）求特征值Xval和特征矩阵Xvec，将Xval从大到小排序，取80%~90%的主成分Xvalmain和Xvecmain（负荷向量），XstdXvecmain=Xscore（得分向量）
以下全属个人看法，首先我认为，楼主对主成分分析还没有一个清楚的认知，导致所给的图形就不是最终判断分析的结果。在多元统计分析中，主成分分析是依靠因子分析的结果来进行的。
请饶在下唐突，不过确实，楼主的给因子载荷矩阵图是旋转前的因子载荷阵。在因子分析中，因子旋转是非常关键的一步措施，目的就是要使得每个变量仅在一个公共因子上有较大的载荷度。说白了就是让指标在主要成分上一分为二。
楼主做的分析有5类主成分，11个变量指标，最终的分析结果是5类关键因子，分别对5类主成分起关键作用。按楼上的回答是错误的，怎么样也是5组关键因子……
从未旋转的图很明显发现，虽然想要把指标分两类相当容易，一类是正值，一类是负值。但是，载荷度高意味着数值较大（不是绝对值），楼主可以自己分析一下，你给的载荷阵中的正值从0-07几不等，把这样的一类指标都归结为对主成分起关键作用是不合理的。负值中同样存在这样的道理，把-01—-07都归结为对主成分载荷小的指标也太过武断。正常的旋转过后的因子载荷阵会出现某几个因子载荷在08以上，这是最终要寻找的结果。
所以楼主希望有个正确结果，先做因子旋转吧，把旋转过后的因子载荷矩阵发上来，本人很乐意效劳。
顺便提一下因子旋转的操作……其实都在一起……
在factor
analynis对话框下点击rotation选项，选择因子旋转的方式，一般都是最大方差法，选择varimax，并选择display栏中的rotated
solution复选框，单击continue，返回主界面。ok~
您好，我来为您解答：
应该不会影响结果，出现这个警告的原因，在我看来是因为让princomp()函数处理的数据太大，超过了精度范围，但是PCA我们只需要前多少个主成分即可，一般情况下，princomp()函数处理的结果已经可以满足要求了。
如果我的回答没能帮助您，请继续追问。
欢迎分享，转载请注明来源：品搜搜测评网
微信扫一扫
支付宝扫一扫
