R 语言经典实例（原书第 2 版）

高级数值分析和统计方法

｜

395

#> [1] 0.393 0.163

#>

#> Rotation (n x k) = (2 x 2):

#> PC1 PC2

#> x -0.553 0.833

#> y -0.833 -0.553

我们通常会发现主成分分析的汇总信息十分有用。它显示了每个主成分所获取的方差比例：

summary(r)

#> Importance of components:

#> PC1 PC2

#> Standard deviation 0.393 0.163

#> Proportion of Variance 0.853 0.147

#> Cumulative Proportion 0.853 1.000

在这个例子中，第一个主成分捕获了 85% 的方差，第二个主成分捕获了 15%，因此我们

知道第一个主成分捕获了大部分方差。

调用 prcomp 函数后，使用 plot(r) 查看主成分方差的条形图，调用 predict(r) 将

数据旋转到主成分。

13.4.4 另请参阅

有关使用主成分分析的示例，请参见 13.9 节。在 W. N. Venables 和 B. D. Ripley 的

Modern

Applied Statistics with S-Plus

（Springer）中讨论了 R 中主成分分析的更多内容。

13.5 执行简单正交回归

13.5.1 问题

应用正交回归创建线性模型，其中变量

x

和

y

的方差是对称的。

13.5.2 解决方案

使用函数 prcomp 在

x

和

y

上执行主成分分析。从结果的主成分载荷中 ...