如何找到主要组件和原始数据变量之间的链接？

Question

我正在使用R中的prcomp（）函数。 我想知道是否有任何简单的方法来查看每个主要组件的变量贡献。

或者，如果prcomp不是为此而设计的，那么pca分析（或pca“like”）我可以用来回答这个问题：

原始数据中哪些变量最具判别性？

如何查看原始数据变量在所有主成分中的贡献

或者，对于每个主要组成部分：

PC1 = Var55 + Var2000 ( or 78% Var55 + 22% Var2000)
PC2 = Var19 + Var32 + Var45
PC3 = ...

Answer 1

正如@Axeman所提到的，你可以看一下旋转

如果你有这个PCA：

pcaRes <- prcomp(df, scale. = TRUE)

然后，看看旋转

loadings <- pcaRes$rotation

这应该显示变量如何影响PCA轴。例如。， 负值表示负面关系。

如果你想要每个变量的相对贡献，你可以求和 然后，每个PC轴的总负载（使用负数的绝对值） 用列和

除以每个值

#You can do this quick and dirty way
t(t(abs(loadings))/rowSums(t(abs(loadings))))*100

# or this sweet function
sweep(x = abs(loadings), MARGIN = 2, 
  STATS = colSums(abs(loadings)), FUN = "/")*100