私は PCA 分析に出くわし、R のさまざまな関数によって返されるさまざまな値に気付きました。この質問の意図は、それぞれの出力を明確にすることです。これらの関数が異なる値を返す理由について、満足のいく答えが見つかりませんでした。比較される関数はstats::princomp()、 、stats::prcomp()、psych::principal()、およびFactoMineR::PCA()です。データセットは比較のため にスケーリングされ、中央に配置され、すべてのセットが 4 つのコンポーネントを返すように設定されていますが、簡潔にするためにここでは最初の 2 つの PC のみが示されています。
MWE以下は、ケースを設定するコードです。ここでその出力を 1 か所で比較することが役立つと思われる R の他の関数を自由に報告してください。
princompPCA <- princomp(USArrests, cor = TRUE)
prcompPCA <- prcomp(USArrests,scale.=TRUE)
principalPCA <- principal(USArrests, nfactors=4 , scores=TRUE, rotate = "none",scale=TRUE)
library(FactoMineR)
fmrPCA <- PCA(USArrests, ncp=4, graph=FALSE) # vars scaled data
# now the first two PCs from each package into one data frame
dfComp <- cbind.data.frame(princompPCA$scores[,1:2],prcompPCA$x[,1:2],principalPCA$scores[,1:2],fmrPCA$ind$coord[,1:2])
names(dfComp) <- c("princompDim1","princompDim2","prcompDim1","prcompDim2","principalDim1","principalDim2","fmrDim1","fmrDim2")
head(dfComp)
出力：
princompDim1 princompDim2 prcompDim1 prcompDim2 principalDim1 principalDim2 fmrDim1 fmrDim2
Alabama -0.9855659 1.1333924 -0.9756604 1.1220012 0.61951483 -1.1277874 0.9855659 -1.1333924
Alaska -1.9501378 1.0732133 -1.9305379 1.0624269 1.22583308 -1.0679059 1.9501378 -1.0732133
Arizona -1.7631635 -0.7459568 -1.7454429 -0.7384595 1.10830334 0.7422678 1.7631635 0.7459568
Arkansas 0.1414203 1.1197968 0.1399989 1.1085423 -0.08889509 -1.1142591 -0.1414203 -1.1197968
California -2.5239801 -1.5429340 -2.4986128 -1.5274267 1.58654347 1.5353037 2.5239801 1.5429340
Colorado -1.5145629 -0.9875551 -1.4993407 -0.9776297 0.95203595 0.9826713 1.5145629 0.9875551
の出力は、逆符号を除いてstats::princomp()まったく同じであることに気付きました。FactoMineR::PCA()兆候が反映されている理由は何ですか？これら 2 つの関数の両方の出力が に近づいていますstats::prcomp()が、これは浮動小数点の問題が原因である可能性があり、マイナーな問題です。しかしpsych::principal()、他のものとはかなり異なります。上記の機能間の回転の違いが原因でしょうか? したがって、これらの違いについての説明は大歓迎です。