R语言稀疏主成分分析、因子分析、KMO检验和Bartlett球度检验分析上市公司财务指标数据

2024-04-28 22

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： R语言稀疏主成分分析、因子分析、KMO检验和Bartlett球度检验分析上市公司财务指标数据

全文链接：http://tecdat.cn/?p=31080

R中的主成分分析(PCA)和因子分析是统计分析技术，也称为多元分析技术（点击文末“阅读原文”获取完整代码数据）。

当可用的数据有太多的变量无法进行分析时，主成分分析(PCA)和因子分析在R中最有用，它们在不损害他们所传达的信息的情况下减少了需要分析的变量的数量。

我们和一位客户讨论过如何在R软件中实现稀疏主成分分析。

稀疏主成分分析会把主成分系数（构成主成分时每个变量前面的系数）变的稀疏，也即是把大多数系数都变成零，通过这样一种方式，我们就可以把主成分的主要的部分凸现出来，这样主成分就会变得较为容易解释。

相关视频

)NO3_H7OQCKJX_72(090}7B.png

上市公司财务分析指标数据

KW1L7VS{$LH8888[S]Q[9GQ.png

KMO检验和Bartlett球度检验

KMO检验

kmo = function( data ){
  
  library(MASS)
  X <- cor(as.matrix(data))
  iX <- ginv(X)
  S2 <- diag(diag((iX^-1)))
  AIS <- S2%*%iX%*%S2

J%HUFR]D8XD1Z00%}6]0T4E.png

Bartlett球形检验：

bartlett(cor(data[,3:(ncol(data)-1)]

0%O]QSGR%D}(TG3MEIZB4$N.png

稀疏主成分分析

library(MASS)
set.seed(1)
 #稀疏主成分分析建模
 
nspc <- nsprc(data[,3:

K34T%VBN[WV%R)%R17JVT[J.png

主成分载荷

2A[PMO[0%ZI6[%G1)KQ}]~4.png

绘制前两个主成分的载荷图

plot(load ) # set up plot 
text(load,labels=names(mydata),ce

RGZ8]{)T{A0VD)RL1I6R322.png

因子分析

library(psych)
parallel

YXH~1W@%JLWDHMJVB)B6~HC.png

并行分析表明，因子数=8。

fit <- fa(r=cor

7I4$WW$CE]_)`4[77OBKLJJ.png

因子载荷

(~JK2PLI@8%BUG[(D63XF8O.png

绘制前两个因子载荷

A%2~(7%NH{N19U2QV)WK%3A.png

绘制因子载荷矩阵

因子分析或主成分分析的结果用每个因子上的主要载荷来初步解释。这些结构可以用载荷表表示，也可以用图形表示，其中所有具有绝对值>某个切点的载荷都表示为边(路径)。

SORK[OYVZBA15K8EO%ZZ51O.png

R语言稀疏主成分分析、因子分析、KMO检验和Bartlett球度检验分析上市公司财务指标数据

上市公司财务分析指标数据

KMO检验和Bartlett球度检验

KMO检验

Bartlett球形检验：

相关性检验

输出相关系数矩阵

稀疏主成分分析

主成分载荷

绘制前两个主成分的载荷图

因子分析

因子载荷

绘制前两个因子载荷

绘制因子载荷矩阵

热门文章

最新文章

相关课程

相关电子书

相关实验场景