我已经完成了PCA,结果看起来像这样:
RC1 RC14 RC2 RC5 RC3 RC9 RC6 RC7 RC16 RC11 RC19 RC12 RC26 RC8 RC10 RC4 RC20 …
SS loadings 3.199 3.161 3.001 2.958 2.928 2.908 2.793 2.786 2.727 2.723 2.696 2.558 2.544 2.540 2.515 2.499 2.494 …
Proportion Var 0.005 0.005 0.005 0.004 0.004 0.004 0.004 0.004 0.004 0.004 0.004 0.004 0.004 0.004 0.004 0.004 0.004 …
Cumulative Var 0.005 0.010 0.014 0.019 0.023 0.027 0.032 0.036 0.040 0.044 0.048 0.052 0.056 0.060 0.063 0.067 0.071 …
您会看到因素(RC1,RC14等)的顺序不正确。
要获取特征值,我可以使用fit$values
,然后会得到一个这样的列表
[1] 4.9880983 4.3804479 3.4831868 3.4637441 3.1826873 2.9171613 2.7109790 2.7069910 2.6505181 2.5475078 2.5339040
[12] 2.5167436 2.4434298 2.4023438 2.3648536 2.3065183 2.2927025 2.2779793 2.2523245 2.2436222 2.2073776 2.1823970
[23] 2.1626319 2.1487751 2.1274126 2.0963421 2.0918373 2.0728735 2.0603362 2.0470462 2.0355974 2.0202679 2.0170792
[34] 2.0013015 1.9891380 1.9874788 …
现在我想要那些因素的特征值。问题是-因为因子没有排序-如何匹配因子及其各自的特征值?我猜RC1的特征值是4.9880983,但是RC14的特征值是4.3804479还是2.4023438?
答案 0 :(得分:0)
您可以安装FactoExtra库,它具有许多出色的工具。它在PC轴ID旁边列出了特征值,因此不会造成任何混淆。
图书馆(FactoExtra)
eig.val <-get_eigenvalue(fit)
eig.val [1:8,]#吐出前8个轴。