原始变量的PCA分数的最小二乘法拟合

我有100个变量，我想用变量var15-v25进行因子分析。要做到这一点，我首先提取变量到另一个对象（如f），&然后运行主成分分析。原始变量的PCA分数的最小二乘法拟合

现在我想将PCA分数与原始数据集合起来，以PCA分数作为预测变量进行回归分析。

任何人都可以请建议我合并这两个数据集的方法。我使用的代码如下：

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]

来源

2011-04-08 Beta

向我们展示原始数据的样本。 – 2011-04-08 16:31:30

你的问题实际上是什么？ AFAICS，它仅仅与FA有关。你只是想在一个文件中附加因子分数表？请提供更多详细信息... – aL3xa 2011-04-08 17:46:45

我认为你实际上在SPSS中调用R这里对吗？那么合并2个文件的含义是，你想在SPSS文件中获得因子分数作为额外变量？我不知道该怎么做，但可以用'write.table（）'将它写入文件并将其导入到SPSS中。虽然可能更简单一些。 – 2011-04-08 17:49:32

请避免使用从R基本包名称 - factor是一种保留。它会工作得很好，但它可能会让你在某个开发阶段感到困惑......而你的factor不是一个文件，它是princomp类的R对象。

无论如何，你想定义一个回归模型与因子分数作为预测？蛋糕......也没有合并的部分是必需的：

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

您可能还需要原始数据集转换矩阵，以开展ncol(mtcars)回归，在响应矩阵中的每一列。 lm函数支持response ~ terms公式，其中response可以是一个矩阵。见?lm：

如果响应是线性模型通过最小二乘分别装配到矩阵的每一列的矩阵。

所以，你可以做这样的事情：

fit2 <- lm(as.matrix(mtcars) ~ fa_scores) 
summary(fit2) # handle with care! =)

我希望这是有益的...

无论如何，如果你想进行因子分析，请见this link。你应该安装William Revelle的psych包。

来源

2011-04-08 18:09:47 aL3xa

谢谢aL3xa！我找到了解决方案的答案。我会把它放在这里，因为有人会觉得它有帮助。

## 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)

问候，一个

来源

2011-04-10 20:51:54 Beta

原始变量的PCA分数的最小二乘法拟合

回答

相关问题