PCA - 从 R 中的 Communalities 表中提取低于某个阈值的变量

Question

我是新来的，还在学习如何正确使用 R，但我发现自己需要一些专家的帮助。我目前正在使用包EFA.dimensions 来做我的PCA。为此，我的脚本如下所示：

PCA(data, corkind='pearson', Nfactors=11, Ncases=NULL)

从出现在结果中的“Communalities”表（如下图所示）中，我想提取提取公共性低于 0.80 的变量列表。在显示的示例中，只有一个变量“ZLocomotionSocial”，但我有另一个数据集可能最终包含其中的许多变量，因此不必逐个查找它们会很棒。如果有帮助，最终目标是从“数据”中删除这些变量，然后重新运行 PCA。

Communalities table example

关于我可以使用哪些代码来解决这个问题有什么建议吗？

Answer 1

您可以在数据框中转换communalities 对象，然后使用dplyr 包进行一些基本过滤：

library(tidyverse)
library(EFA.dimensions)

communalities <-
  data_Harman %>%
  PCA(Nfactors=3, corkind = "pearson") %>%
  pluck("communalities") %>%
  as_tibble(rownames = "variable")
#> 
#> Ncases must be provided when data is a correlation matrix.
#> 
#> 
#> Principal Components Analysis
#> 
#> Specified kind of correlations for this analysis: from user
#> 
#> The specified number of factors to extract = 3
#> 
#> Model Fit Coefficients:
#> 
#> RMSR = 0.046
#> 
#> GFI = 0.993
#> 
#> CAF = 0.5
#> 
#> 
#> Eigenvalues and factor proportions of variance:
#>             Eigenvalues    Proportion of Variance    Cumulative Prop. Variance
#> Factor 1           4.67                      0.58                         0.58
#> Factor 2           1.77                      0.22                         0.81
#> Factor 3           0.48                      0.06                         0.87
#> Factor 4           0.42                      0.05                         0.92
#> Factor 5           0.23                      0.03                         0.95
#> Factor 6           0.19                      0.02                         0.97
#> Factor 7           0.14                      0.02                         0.99
#> Factor 8           0.10                      0.01                         1.00
#> 
#> Unrotated PCA Loadings:
#>               Factor 1   Factor 2   Factor 3
#> Height           -0.86      -0.37      -0.07
#> Arm.span         -0.84      -0.44       0.08
#> Forearm          -0.81      -0.46       0.01
#> Leg.length       -0.84      -0.40      -0.10
#> Weight           -0.76       0.52      -0.15
#> Hips             -0.67       0.53      -0.05
#> Chest.girth      -0.62       0.58      -0.29
#> Chest.width      -0.67       0.42       0.59
#> 
#> Promax Rotation Pattern Matrix:
#>               Factor 1   Factor 2   Factor 3
#> Height           -0.92       0.10      -0.05
#> Arm.span         -0.95      -0.10       0.12
#> Forearm          -0.95      -0.07       0.02
#> Leg.length       -0.93       0.10      -0.10
#> Weight           -0.07       0.87       0.06
#> Hips              0.01       0.75       0.17
#> Chest.girth       0.06       0.99      -0.13
#> Chest.width       0.00       0.07       0.94
#> 
#> Promax Rotation Structure Matrix:
#>               Factor 1   Factor 2   Factor 3
#> Height           -0.94       0.44       0.37
#> Arm.span         -0.95       0.35       0.42
#> Forearm          -0.93       0.33       0.35
#> Leg.length       -0.93       0.42       0.32
#> Weight           -0.45       0.93       0.61
#> Hips             -0.36       0.85       0.62
#> Chest.girth      -0.30       0.89       0.44
#> Chest.width      -0.40       0.64       0.99
#> 
#> Eigenvalues and factor proportions of variance:
#>             Eigenvalues    Proportion of Variance    Cumulative Prop. Variance
#> Factor 1           3.51                      1.17                         1.17
#> Factor 2           2.33                      0.78                         1.95
#> Factor 3           0.96                      0.32                         2.27
#> 
#> Promax Rotation Factor Correlations:
#>            Factor 1   Factor 2   Factor 3
#> Factor 1       1.00      -0.41      -0.39
#> Factor 2      -0.41       1.00       0.60
#> Factor 3      -0.39       0.60       1.00
communalities
#> # A tibble: 8 x 2
#>   variable    Communalities
#>   <chr>               <dbl>
#> 1 Height              0.882
#> 2 Arm.span            0.909
#> 3 Forearm             0.872
#> 4 Leg.length          0.871
#> 5 Weight              0.872
#> 6 Hips                0.742
#> 7 Chest.girth         0.803
#> 8 Chest.width         0.975

selected_communalities <-
  communalities %>%
  filter(Communalities < 0.8)
selected_communalities
#> # A tibble: 1 x 2
#>   variable Communalities
#>   <chr>            <dbl>
#> 1 Hips             0.742

selected_variables <- selected_communalities$variable
selected_variables
#> [1] "Hips"

^{由reprex package 创建于 2021-09-10 (v2.0.1)}