Veja a posicao loadings do seu ajuste de PCA.<div><br></div><div>lanche.pca$loadings</div><div><br></div><div>att,</div><div>FH<br><br><div class="gmail_quote">2013/2/13 Carlos Andrade <span dir="ltr"><<a href="mailto:prf.cantonio@gmail.com" target="_blank">prf.cantonio@gmail.com</a>></span><br>
<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">Amigos da lista,<br><br>Estou praticando análise de componentes principais para reduzir o número de variáveis para uma análise de cluster.<br>
Encontrei um exercício e algumas apostilas do R para análise multivariada.<br> <br>
Seguem os dados do exercício, que pede para usar 2 componentes principais:<br><br>> Lista1MB213<br> city bread hamburger butter apples tomatoes<br>1 Anchorage 70.9 135.6 155.0 63.9 100.1<br>2 Atlanta 36.4 111.5 144.3 53.9 95.9<br>
3 Baltimore 28.9 108.8 151.0 47.5 104.5<br>4 Boston 43.2 <a href="tel:119.3%C2%A0%20142.0%C2%A0%C2%A0%2041.1" value="+5511931420411" target="_blank">119.3 142.0 41.1</a> 96.5<br>5 Buffalo 34.5 109.9 124.8 35.6 75.9<br>
6 Chicago 37.1 107.5 145.4 65.1 94.2<br>
7 Cincinnati 37.1 118.1 149.6 45.6 90.8<br>8 Cleveland 38.5 107.7 142.7 50.3 93.2<br>9 Dallas 35.5 116.8 142.5 62.4 90.7<br>10 Detroit 40.8 108.8 140.1 39.7 96.1<br>
11 Honolulu 50.9 131.7 154.4 65.0 93.9<br>12 Houston 35.1 102.3 150.3 59.3 84.5<br>13 KansasCity 35.1 <a href="tel:99.8%C2%A0%20162.3%C2%A0%C2%A0%2042.6" value="+559981623426" target="_blank">99.8 162.3 42.6</a> 87.9<br>
14 LosAngeles 36.9 <a href="tel:96.2%C2%A0%20140.4%C2%A0%C2%A0%2054.7" value="+559621404547" target="_blank">96.2 140.4 54.7</a> 79.3<br>
15 Milwaukee 33.3 109.1 123.2 57.7 87.7<br>16 Minneapolis 32.5 116.7 135.1 48.0 89.1<br>17 NewYork 42.7 130.8 148.7 47.6 92.1<br>18 Philadelphia 42.9 126.9 153.8 51.9 101.5<br>
19 Pittsburgh 36.9 115.4 138.9 43.8 91.9<br>20 StLouis 36.9 109.8 140.0 46.7 79.0<br>21 SanDiego 32.5 <a href="tel:84.5%C2%A0%20145.9%C2%A0%C2%A0%2048.5" value="+558451459485" target="_blank">84.5 145.9 48.5</a> 82.3<br>
22 SanFrancisco 40.0 104.6 139.1 59.2 81.9<br>
23 Seattle 32.2 105.4 136.8 54.0 88.6<br>24 Washington 31.8 116.7 154.8 57.6 86.6<br><br>dados <- Lista1MB213[,2:6]<br><br>standardise <- as.data.frame(scale(dados))<br><br>lanche.pca <- prcomp(standardise)<br>
<br>> summary(lanche.pca)<br>Importance of components:<br> PC1 PC2 PC3 PC4 PC5<br>Standard deviation 1.5591 0.9654 0.9134 0.7252 0.52613<br>Proportion of Variance 0.4862 0.1864 0.1669 0.1052 0.05536<br>
Cumulative Proportion 0.4862 0.6726 0.8394 0.9446 1.00000<br clear="all"><br>A minha dúvida é como distribuir as cinco variáveis no dois componentes PC1 e PC2 que juntos explicam 67,26% da<br>variância. Como seria a equação de combinação linear?<br>
Há muito tempo li em um tutorial do SPSS a solução, mas não lembro onde encontrá-lo.<br>Agradeço antecipadamente qualquer ajuda.<span class="HOEnZb"><font color="#888888"><br><br><br>-- <br>Atenciosamente,<br><br>Prof. Carlos A. S. de Andrade<br>
LAPEA - Laboratório de Pesquisa em Economia Aplicada e Engenharia de Produção<br>
<div>Universidade Federal de Campina Grande.<br></div><div> Centro de Humanidades
</div><div>Unidade Acadêmica de Economia</div>
</font></span><br>_______________________________________________<br>
R-br mailing list<br>
<a href="mailto:R-br@listas.c3sl.ufpr.br">R-br@listas.c3sl.ufpr.br</a><br>
<a href="https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br" target="_blank">https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br</a><br>
Leia o guia de postagem (<a href="http://www.leg.ufpr.br/r-br-guia" target="_blank">http://www.leg.ufpr.br/r-br-guia</a>) e forneça código mínimo reproduzível.<br></blockquote></div><br></div>