두 가지 다른 함수 ( prcomp
및 princomp
)를 사용하여 R을 사용하여 주성분 분석 (PCA)을 수행 했으며 PCA 점수가 다른 것으로 나타났습니다. 어떻게 할 수 있습니까?
이걸 고려하세요:
set.seed(999)
prcomp(data.frame(1:10,rnorm(10)))$x
PC1 PC2
[1,] -4.508620 -0.2567655
[2,] -3.373772 -1.1369417
[3,] -2.679669 1.0903445
[4,] -1.615837 0.7108631
[5,] -0.548879 0.3093389
[6,] 0.481756 0.1639112
[7,] 1.656178 -0.9952875
[8,] 2.560345 -0.2490548
[9,] 3.508442 0.1874520
[10,] 4.520055 0.1761397
set.seed(999)
princomp(data.frame(1:10,rnorm(10)))$scores
Comp.1 Comp.2
[1,] 4.508620 0.2567655
[2,] 3.373772 1.1369417
[3,] 2.679669 -1.0903445
[4,] 1.615837 -0.7108631
[5,] 0.548879 -0.3093389
[6,] -0.481756 -0.1639112
[7,] -1.656178 0.9952875
[8,] -2.560345 0.2490548
[9,] -3.508442 -0.1874520
[10,] -4.520055 -0.1761397
+/-
두 분석 에서 부호 ( )가 다른 이유는 무엇 입니까? 나는 그 주요 구성 요소를 사용하는 경우 PC1
와 PC2
회귀의 예측 인자로서, 즉 lm(y ~ PC1 + PC2)
, 이것은 완전히 내 두 변수의 영향에 대한 이해를 바꿀 것 y
내가 사용하는 방법에 따라! 어떻게 그 말을 수 PC1
에 예를 들어 긍정적 인 효과를 가지고 y
와 PC2
에 부정적인 효과를 예있다 y
?
또한 : PCA 구성 요소의 부호가 의미가없는 경우 요인 분석 (FA)에도 적용됩니까? 개별 PCA / FA 구성 요소 점수 (또는 로딩 매트릭스 열로서 로딩)의 부호를 뒤집는 것이 허용됩니까?