Przeprowadziłem analizę składowych głównych (PCA) z R przy użyciu dwóch różnych funkcji ( prcomp
i princomp
) i zauważyłem, że wyniki PCA różnią się znakiem. Jak to możliwe?
Rozważ to:
set.seed(999)
prcomp(data.frame(1:10,rnorm(10)))$x
PC1 PC2
[1,] -4.508620 -0.2567655
[2,] -3.373772 -1.1369417
[3,] -2.679669 1.0903445
[4,] -1.615837 0.7108631
[5,] -0.548879 0.3093389
[6,] 0.481756 0.1639112
[7,] 1.656178 -0.9952875
[8,] 2.560345 -0.2490548
[9,] 3.508442 0.1874520
[10,] 4.520055 0.1761397
set.seed(999)
princomp(data.frame(1:10,rnorm(10)))$scores
Comp.1 Comp.2
[1,] 4.508620 0.2567655
[2,] 3.373772 1.1369417
[3,] 2.679669 -1.0903445
[4,] 1.615837 -0.7108631
[5,] 0.548879 -0.3093389
[6,] -0.481756 -0.1639112
[7,] -1.656178 0.9952875
[8,] -2.560345 0.2490548
[9,] -3.508442 -0.1874520
[10,] -4.520055 -0.1761397
Dlaczego znaki ( +/-
) różnią się w obu analizach? Gdybym wtedy używał głównych składowych PC1
i PC2
jako predyktorów w regresji, tj. lm(y ~ PC1 + PC2)
Całkowicie zmieniłoby to moje rozumienie wpływu dwóch zmiennych w y
zależności od zastosowanej metody! Jak więc mogę powiedzieć, że PC1
ma to np. Pozytywny wpływ y
i PC2
np. Negatywny wpływ na y
?
Ponadto: jeśli znak komponentów PCA nie ma znaczenia, czy dotyczy to również analizy czynnikowej (FA)? Czy dopuszczalne jest odwrócenie (odwrócenie) znaku wyników poszczególnych składników PCA / FA (lub obciążeń, jako kolumny macierzy obciążeń)?