Rと因子分析
因子分析(factor analysis)は、多くの変数により記述された量的データの分析方法として、1904年にスピアーマン(Spearman)によって提案された。 因子分析で扱うデータの形式は主成分分析と基本的には同じであることから、同じ場面に利用されることが多いが、手法の開発の出発点は全く異なる。 主成分分析では、変数の間の相関関係を用いて、無相関の合成変数を求めることで多くの変数を少ない変数に縮約するが、因子分析は、変数の間の相関関係から共通因子を求めることで、多くの変数を少数個の共通因子にまとめて説明することを目的としている。 因子分析は、観測データにおける変数の間の関連成分をまとめたものを共通因子(common factor)と呼び、他の変数と関係がなく、その変数のみ持っている成分を独自因子(unique factor)と呼ぶ。因子分析では、観測データはお互いに関連性を持っ
JIN'S PAGE
R、R言語、R環境・・・・・・ Rのダウンロードとインストール リンク集 題名 Chap_01 データ解析・マイニングとR言語 Chap_0２ Rでのデータの入出力 Chap_03 Rでのデータの編集と演算 Chap_04 Rと基本統計量 Chap_05 Rでの関数オブジェクト Chap_06 Rでのデータの視覚化(1) Chap_07 Rでのデータの視覚化(2) Chap_08 Rでのデータの視覚化(3) Chap_09 GGobiとデータの視覚化(Rgobi) Chap_10 Rと確率分布 Chap_11 Rと推定 Chap_12 Rと検定 Chap_13 Rと分散分析 Chap_14 Rと回帰分析 Chap_15 Rと重回帰分析 Chap_16 Rと一般化線形モデル Chap_17 Rと非線形モデル Chap_18 Rと判別分析 Chap_19 Rと樹木モデル Chap_20 WEK
Rと重回帰分析
まず、次のようにＲ上でデータセットを作成する。もちろん、単回帰で用いたデータセットに1列(ウエスト)を付け加える方法で作成することもできる。 >体重<-c(50,60,65,65,70,75,80,85,90,95) >身長<-c(165,170,172,175,170,172,183,187,180,185) >ウエスト<-c(65,68,70,65,80,85,78,79,95,97) > taikei2<-data.frame(体重,身長,ウエスト) > taikei2 体重 身長 ウエスト 1 50 165 65 2 60 170 68 ＜後略＞ まず、データの変数間の関係を考察するため、相関行列と対散布図を求める。相関は関数corを用いて求める。 > round(cor(taikei2),4) 体重 身長 ウエスト 体重 1.
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
