[R-br] Resultado de prcomp()

[FHRB Toledo]

Veja a posicao loadings do seu ajuste de PCA.

lanche.pca$loadings

att,
FH

2013/2/13 Carlos Andrade <prf.cantonio em gmail.com>

> Amigos da lista,
>
> Estou praticando análise de componentes principais para reduzir o número
> de variáveis para uma análise de cluster.
> Encontrei um exercício e algumas apostilas do R para análise multivariada.
>
> Seguem os dados do exercício, que pede para usar 2 componentes principais:
>
> > Lista1MB213
>            city bread hamburger butter apples tomatoes
> 1     Anchorage  70.9     135.6  155.0   63.9    100.1
> 2       Atlanta  36.4     111.5  144.3   53.9     95.9
> 3     Baltimore  28.9     108.8  151.0   47.5    104.5
> 4        Boston  43.2     119.3  142.0   41.1     96.5
> 5       Buffalo  34.5     109.9  124.8   35.6     75.9
> 6       Chicago  37.1     107.5  145.4   65.1     94.2
> 7    Cincinnati  37.1     118.1  149.6   45.6     90.8
> 8     Cleveland  38.5     107.7  142.7   50.3     93.2
> 9        Dallas  35.5     116.8  142.5   62.4     90.7
> 10      Detroit  40.8     108.8  140.1   39.7     96.1
> 11     Honolulu  50.9     131.7  154.4   65.0     93.9
> 12      Houston  35.1     102.3  150.3   59.3     84.5
> 13   KansasCity  35.1      99.8  162.3   42.6     87.9
> 14   LosAngeles  36.9      96.2  140.4   54.7     79.3
> 15    Milwaukee  33.3     109.1  123.2   57.7     87.7
> 16  Minneapolis  32.5     116.7  135.1   48.0     89.1
> 17      NewYork  42.7     130.8  148.7   47.6     92.1
> 18 Philadelphia  42.9     126.9  153.8   51.9    101.5
> 19   Pittsburgh  36.9     115.4  138.9   43.8     91.9
> 20      StLouis  36.9     109.8  140.0   46.7     79.0
> 21     SanDiego  32.5      84.5  145.9   48.5     82.3
> 22 SanFrancisco  40.0     104.6  139.1   59.2     81.9
> 23      Seattle  32.2     105.4  136.8   54.0     88.6
> 24   Washington  31.8     116.7  154.8   57.6     86.6
>
> dados <- Lista1MB213[,2:6]
>
> standardise <- as.data.frame(scale(dados))
>
> lanche.pca <- prcomp(standardise)
>
> > summary(lanche.pca)
> Importance of components:
>                                    PC1    PC2    PC3    PC4     PC5
> Standard deviation     1.5591 0.9654 0.9134 0.7252 0.52613
> Proportion of Variance 0.4862 0.1864 0.1669 0.1052 0.05536
> Cumulative Proportion  0.4862 0.6726 0.8394 0.9446 1.00000
>
> A minha dúvida é como distribuir as cinco variáveis no dois componentes
> PC1 e PC2 que juntos explicam 67,26% da
> variância. Como seria a equação de combinação linear?
> Há muito tempo li em um tutorial do SPSS a solução, mas não lembro onde
> encontrá-lo.
> Agradeço antecipadamente qualquer ajuda.
>
>
> --
> Atenciosamente,
>
> Prof. Carlos A. S. de Andrade
> LAPEA - Laboratório de Pesquisa em Economia Aplicada e Engenharia de
> Produção
> Universidade Federal de Campina Grande.
>  Centro de Humanidades
> Unidade Acadêmica de Economia
>
> _______________________________________________
> R-br mailing list
> R-br em listas.c3sl.ufpr.br
> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça
> código mínimo reproduzível.
>
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20130213/8728d023/attachment.html>