İki farklı fonksiyon ( prcomp
ve princomp
) kullanarak R ile temel bileşen analizi (PCA) yaptım ve PCA puanlarının işaret olarak farklı olduğunu gözlemledim. Nasıl olabilir?
Bunu düşün:
set.seed(999)
prcomp(data.frame(1:10,rnorm(10)))$x
PC1 PC2
[1,] -4.508620 -0.2567655
[2,] -3.373772 -1.1369417
[3,] -2.679669 1.0903445
[4,] -1.615837 0.7108631
[5,] -0.548879 0.3093389
[6,] 0.481756 0.1639112
[7,] 1.656178 -0.9952875
[8,] 2.560345 -0.2490548
[9,] 3.508442 0.1874520
[10,] 4.520055 0.1761397
set.seed(999)
princomp(data.frame(1:10,rnorm(10)))$scores
Comp.1 Comp.2
[1,] 4.508620 0.2567655
[2,] 3.373772 1.1369417
[3,] 2.679669 -1.0903445
[4,] 1.615837 -0.7108631
[5,] 0.548879 -0.3093389
[6,] -0.481756 -0.1639112
[7,] -1.656178 0.9952875
[8,] -2.560345 0.2490548
[9,] -3.508442 -0.1874520
[10,] -4.520055 -0.1761397
+/-
Bu iki analiz için işaretler ( ) neden farklı? Eğer o zaman ana bileşenleri PC1
ve PC2
bir regresyonda yordayıcılar olarak kullanıyor olsaydım , yani lm(y ~ PC1 + PC2)
, bu, iki değişkenin y
kullandığım yönteme bağlı olarak etkisine dair anlayışımı tamamen değiştirecekti ! Öyleyse bunun PC1
, örneğin üzerinde olumlu bir etkisi olduğunu y
ve PC2
örneğin üzerinde olumsuz bir etkisi olduğunu nasıl söyleyebilirim y
?
Ayrıca: PCA bileşenlerinin işareti anlamsızsa, faktör analizi (FA) için de doğru mu? Bireysel PCA / FA bileşen puanlarının (veya yükleme matriksinin bir sütunu olarak yüklenenlerin) işaretini çevirmek (tersine çevirmek) kabul edilebilir mi?