psych r 包的 pca：如何仅获得总解释方差百分比和模型拟合度量？

Question

在我正在构建的闪亮应用程序中，我只想显示主函数（r 包 psych）输出的解释方差和模型拟合度量。我调查了输出的结构，但不幸的是（也许有点奇怪）我找不到这些值的确切位置。有谁知道如何从输出中获取这些值？

Answer 1

首先，如果您需要帮助，您应该提供reproducible example，其中包括您的数据样本。这就是您的问题被否决的原因（虽然不是我）。

由第 i 个主成分引起的方差由相关矩阵的第 i 个特征值给出。由于根据定义，PC 是正交（不相关）的，因此总方差由单个方差之和 = 特征值之和给出。特征值在principal(...)$values 中返回。所以每台PC解释的总方差的比例由下式给出：

 prop.table(principal(...)$values)

由于您没有提供任何数据，我将使用内置的mtcars 数据集作为工作示例：

library(psych)
df <- mtcars[c("hp","mpg","disp","wt","qsec")]
pca <- principal(df)
prop.table(pca$values)
# [1] 0.73936484 0.19220335 0.03090626 0.02623083 0.01129473

所以第一台 PC 解释了总变化的 74%，第二台 PC 解释了 19%，依此类推。这与使用 prcomp(...) 的结果完全一致，请记住 principal(...) 默认缩放，而 prcomp(...)没有。

pc  <- prcomp(df,scale.=T)
summary(pc)
# Importance of components:
#                           PC1    PC2     PC3     PC4     PC5
# Standard deviation     1.9227 0.9803 0.39310 0.36215 0.23764
# Proportion of Variance 0.7394 0.1922 0.03091 0.02623 0.01129
# Cumulative Proportion  0.7394 0.9316 0.96247 0.98871 1.00000

principal(...)$fit.off 中给出了参数“基于非对角线值拟合”，如文档中所述。