[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