13  Análisis de componentes principales

14 Análisis de componentes principales

Solo elegimos variables de tipo numérico; más adelante, como novedad se puede incluir el uso de cualitativas y de suplementarias.

14.1 Revisión 108

14.1.1 Análisis de componentes principales

Migramos al uso de una función que lo hace todo.

Pediremos:

  • vars, vector de variables numéricas (sin valores perdidos, si los hay sutituye por media)
  • weight, variable con el PESO
  • id_var, identificador de variable para fusión (esto lo veremos porque será primera vez)
  • n_factors, numero real de 2 a nº de variables (excluyente con min_var_pct o ninguno)
  • min_var_pct , de 0 a 100 (excluyente con n_factors o ninguno)
  • rotation, una de estas (“varimax”, “quartimax”, “promax”, “oblimin”, “simplimax”, and “cluster”)
  • max_iter, numero real
  • export_json TRUE/FALSE (crear puntuaciones factoriales por regresión Bartlett)
  • json_file, no lo des a elegir, si el anterior TRUE, siempre este nombre
  • publish, siempre TRUE

Si n_factors y min_var_pct es vacío, aplicará eigen_value>1 que era el estándar en Barbwin 7 y en SPSS.

source('functions.R') 
data <- read_spss('datos_para_componentes.sav')

bw8pca(data, 
       vars=c('X6','X7','X8','X9','X10','X11','X12','X13','X14', 'X15','X16','X17', 'X18'), 
       weight = NULL, 
       id_var = "ID",
       n_factors = NULL,
       min_var_pct = NULL,
       rotation = "varimax",
       max_iter = 50,
       export_json = TRUE,
       json_path = "pca_export.json",
       publish = TRUE
  )

Análisis de Componentes Principales (ACP)

1. Matriz de Correlaciones (Pearson)


2. Matriz de Significación (1-tailed)


3. Pruebas de Adecuación Muestral

3. Pruebas de Adecuación Muestral

4. Medidas de Adecuación Individual (MSA)


5. Matriz de Correlación Anti-Imagen (Diagonal = MSA)


6. Varianza Total Explicada


7. Gráfico de Sedimentación (Scree Plot)

8. Comunalidades


9. Matriz de Componentes Directos (Sin rotar)


10. Matriz de Componentes Rotados ( VARIMAX ) - Ordenada por Tamaño


11. Gráfico de Variables en el Espacio de Componentes

12. Mapa de Casos (Score Plot)

Esta función tiene una característica especial. Se guarda un fichero denominado pca_export.json, que se debería fusionar con el fichero Barbwin original. Esta función que fusionaba en segundo plano, hasta ahora no está desarrollada.