[問題] 主成分分析中的成分矩陣

[xkso (蝸牛)]

大家好  小弟在做主成分分析時遇到問題


問題一

小弟數據的KMO值過低  再刪除幾個變數過後提高

但有個問題   是否可以刪除變數呢? (數據為實驗數據，是很多個別實驗互不相關)

今天有人問說  可以亂刪變數嗎  但我個人想法是如果我不做這個實驗  就沒有這個變數

那就沒影響  想問各位 是否可以刪除無用變數

問題二

當我做主成分分析時 並未經過轉軸步驟

當做出的成分矩陣  將0.45以下的因素負荷量忽略

矩陣中的PC1 PC2 PC3....等 的因素負荷量並未完全區隔

EX:

成份矩陣a
        元件
                  1       2       3
Z分數(peak10)   .788    .502
Z分數(peak12)   .744            .452
Z分數(peak15)   .810
Z分數(peak21)           .788
Z分數(peak22)   -.788
Z分數(peak27)   .764
Z分數(peak30)           -.908
Z分數(peak8)    -.569           .722
萃取方法：主成分分析。
a. 萃取了 3 個成份。

如上面 PC1與PC2的 peak10 都高於0.45

這是可以允許的嗎?

還是需要刪除  不過這樣一直刪除  我就沒變數了

















--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.60.240.139
※ 文章網址: http://www.ptt.cc/bbs/Statistics/M.1401033396.A.176.html
→ andrew43:變數在多個主成份有不小的負荷量從來不是問題。
→ obarisk:實驗資料要做降維的目的是？
→ xkso:我有許多變數 利用這些變數將不同產地樣品 進行分類
→ xkso:但我不知道哪些變數是有用  哪些沒用
→ xkso:所以把全部變數跑主成分 刪除變數後提升KMO到標準
→ xkso:最後進行判別分析  但全部都是自己摸索 所以很多疑問
→ andrew43:何不直接做判別分析?
→ andrew43:刪去「無用」的變數應該是建立在有沒有助於判別準確性上
→ xkso:我刪除變數過  還有12個變數左右  我想說還是太多
→ xkso:個人覺得   似乎做完主成分分析會較好判別  成功率較高
→ obarisk:看你判別分析的做法吧，主成份就是變數的線性組合啊。