Ｒと主成分分析

観測、実験、調査では、通常個体の属性を複数の項目（変数）に分けて記録する。変数が少ない場合は、簡単なグラフや基本統計量などでデータの構造を明らかにすることができるが、変数が多くなるとデータの構造が複雑になり、解析が難しくなる。一方、変数が多くなると変数の間には相関がある可能性も増える。 主成分分析(principal component analysis)は、多くの変数により記述された量的データの変数間の相関を排除し、できるだけ少ない情報の損失で、少数個の無相関な合成変数に縮約して、分析を行う手法である。主成分分析の手法はホテリング(Hotelling)によって1933年頃提案された。 変数が１つ、2つの場合は、棒グラフや散布図でデータの構造を読み取ることが可能であり、主成分分析を行う必要がないが、主成分分析の考え方を説明するため、ここでは2変数の場合の例を用いることにする。 たとえ

[teddy-g]

RでPCAを使うときの参考まで。累積寄与率70%～80%を超える主成分まで用いて分析をすることが多い、そうです。

[sonesuke]

Ｒと主成分分析

[yuske711]

参考２

[yysaki]

参考２