Exemple de code:
(pc.cr <- princomp(USArrests))
summary(pc.cr)
loadings(pc.cr) ## note that blank entries are small but not zero
J'obtiens des sorties différentes de chacun, et je ne suis pas sûr de comprendre quelle est la différence.
Voici la sortie:
> summary(pc.cr)
Importance of components:
Comp.1 Comp.2 Comp.3 Comp.4
Standard deviation 82.8908472 14.06956001 6.424204055 2.4578367034
Proportion of Variance 0.9655342 0.02781734 0.005799535 0.0008489079
Cumulative Proportion 0.9655342 0.99335156 0.999151092 1.0000000000
> loadings(pc.cr) ## note that blank entries are small but not zero
...
Comp.1 Comp.2 Comp.3 Comp.4
SS loadings 1.00 1.00 1.00 1.00
Proportion Var 0.25 0.25 0.25 0.25
Cumulative Var 0.25 0.50 0.75 1.00
PS: comment accéder au tableau créé par summary (pc.cr) ?? (Je n'arrive pas à le trouver dans str.)
# inappropriate
commentaire à la première ligne?Réponses:
La première sortie est la bonne et la plus utile. Appeler
loadings()
sur votre objet renvoie juste un résumé où les SS sont toujours égaux à 1, donc le% de variance est juste les chargements SS divisés par le nombre de variables. Cela n'a de sens que lorsque vous utilisez l'analyse factorielle (comme dansfactanal
). Je n'utilise jamaisprincomp
ou son alternative basée sur SVD (prcomp
), et je préfère le package FactoMineR ou ade4 qui sont de loin plus puissants!À propos de votre deuxième question, la
summary()
fonction renvoie simplement la SD pour chaque composant (pc.cr$sdev
dans votre cas), et le reste du tableau semble être calculé par la suite (via la méthodeprint
oushow
, je n'ai pas étudié cela en détail).Ce qu'il
princomp()
fait peut être visualisé en utilisantgetAnywhere("princomp.default")
.la source