主成分分析R语言

1、第一题> data=read.table("q1.txt",head=T)> head(data)#前六行数据> attach(data)> options(digits=2)> data=as.matrix(data)#转化为矩阵> v1<-eigen(data)#计算相关系数矩阵特征值和特征向量> v1> zhuchengfen<-princomp(covmat=data)#用相关系数矩阵做主成分分析> summary(zhuchengfen)> x<-zhuchengfen$loadings

2、；x#主成分载荷> y<-zhuchengfen$scores;y #主成分得分因为只有相关系数矩阵，所以没有主成分的得分> screeplot(zhuchengfen,type="lines")根据累计方差贡献率和Kaiser准则，应该选择三个主成分，即PC1、PC2、PC3。累计方差贡献率为64%。PC1、PC2、PC3对方差贡献率分别是38%、15%、11%。结果如下：运动项目第一主成分第二主成分第三主成分100米-0.355-0.1760.493跳远-0.405-0.1490.182铅球-0.3610.434跳高-0.346-0.109-0.131

3、400米-0.318-0.447110米跨栏-0.3530.153铁饼-0.3190.423-0.104撑杆跳高-0.277-0.389标枪-0.2230.356-0.3521500米-0.484-0.623方差贡献率0.380.150.11累积方差贡献率0.380.530.64解释：前三个主成分解释了大部分信息；第一次主成分测量的是综合运动能力，第二个主成分代表了爆发力臂力，第三主成分测量的是爆发性腿力。附录：这是psych软件包中计算主成分的结果，主成分载荷与princomp得到的结果有很大的差异，并且这个结果似乎更容易解释第二题> library(RODBC)> data=o

4、dbcConnectExcel("G:/R/q2.xls") > data1=sqlFetch(data,"Sheet1") > close(data) #关闭通道> attach(data1)> head(data1)#查看前六行数据> data2=data1,-1#去掉第一列数据> options(digits=2) #数据均保留小数点后两位> q2<-princomp(data2,cor=T) #用相关系数矩阵做主成分分析> options(digits=2) #数据均保留小数点后两位>

5、summary(q2)第一主成分对数据方差的解释度达到83%，因此我们只需要选择一个主成分，即第一主成分PC1> x<-q2$loadings;x #主成分载荷令，分别代表100 m (s)、200 m (s)Marathon (min)的成绩，那么第一主成分的表达式： 第一主成分中各个运动项所占的比例非常接近，因此它衡量的是一个人的综合运动能力，且方差的贡献度达到83%。> y<-q2$scores;y,1#第一主成分得分> order(y,1)#排序> png("normal.png")> qqnorm(y,1,main="First PC")#正态性检验>