[R-es] Análisis de componentes principales con ade4 y FactoMineR

Argel Gastélum Arellánez argel.gastelum en gmail.com
Mar Oct 1 02:32:15 CEST 2013


     Hola compañeros de la lista, qué tal.

     Estoy haciendo un análisis de componentes principales utilizando 
las funciones "dudi.pca" (paquete "ade4") y "PCA" (paquete 
"FactoMineR"). Sucede que al comparar las coordenadas de cada individuo 
que obtiene cada función, las que corresponden al segundo componente 
principal tienen idéntica magnitud pero con signos contrarios:

Función dudi.pca:

Comando:
PCA1 <- dudi.pca(df = DATOS[,(2:ncol(DATOS))], center = TRUE, scale = 
TRUE, scannf = FALSE, nf = 6)

Individuo    Comp1    Comp2
1    -14.18    -4.47
2    -14.63    -4.53
3    -14.77    -2.57
4    -14.12    -1.71
5    -16.32    4.22
6    -17.03    5.94
7    -16.90    3.68
8    -17.75    5.86
9    13.86    -13.33
10    13.16    -12.71
11    13.24    -14.18
12    12.68    -13.07
13    18.43    11.67
14    17.49    10.86
15    17.82    12.43
16    19.02    11.83

Función PCA:

Comando:
PCA2 <- PCA(DATOS[,(1:ncol(DATOS))])

Individuo    Comp1    Comp2
1    -14.18    4.47
2    -14.63    4.53
3    -14.77    2.57
4    -14.12    1.71
5    -16.32    -4.22
6    -17.03    -5.94
7    -16.90    -3.68
8    -17.75    -5.86
9    13.86    13.33
10    13.16    12.71
11    13.24    14.18
12    12.68    13.07
13    18.43    -11.67
14    17.49    -10.86
15    17.82    -12.43
16    19.02    -11.83

     ¿A qué se debe la diferencia en el signo del componente 2?... 
anteriormente ya había aplicado ambas funciones a otro set de datos y el 
resultado era idéntico para ambas funciones. La diferencia con este set 
es que el número total de variables es aproximadamente 500, mientras que 
antes el set de datos era de 1000 variables.

     De antemano muchas gracias por la ayuda.

     Saludos.

-- 

     Argel.



Más información sobre la lista de distribución R-help-es