匯入SPSS資料檔並實作主成份分析(2)

接下來我們將以匯入後的資料spss_data進行主成份分析：

• 首先確定匯入的資料共有8個向度（SYMPTOMS→後遺症、ACTIVITY→活動量、SLEEP→睡眠量、EAT→食量、APPETITE→食慾、SKIN→皮膚反應、FACT1_1、FACT2_1）。但是我們要用到的只有前6個向度（因為題目是要探討此六個變項並縮減之）。
• 我們使用額外的變數data儲存此6個向度的資料：

data<-spss_data[,1:6]

• 先檢查correlation matrix的各項係數，看看是否有許多低於.3的，若有則須刪除變項。

corm<-cor(data)

• 結果如下圖所示，顯示大多數的係數均大於.3，故適合進行主成份分析。

• 然後載入nFacrotrs套件（若沒有則請先安裝），利用它來找出各變項之eigen value以及可解釋的變異量，我們將結果存入eig_data變數中。

eig_data<-principalComponents(corm)

• 結果如下圖所示，其中eigen value大於1的只有二個主成份，故可保留二個主成份。

• 之後我們再使用Scree Plot來看看應保留幾個主成份，結果如下圖，由目視的結果來看特徵值是在第二個因素陡升，故也可保留2個主成份。

plotuScree(eig_data$values)

• 因此，我們將以psych套件中的principal函數來抽取二個主成份，結果如下圖：

principal(corm,2,rotate="none")

• 由上圖我們可知抽取兩個主成份所能解釋的變異量為66%，接下來我們可以依據各變項在各成份所占的比重，來為兩個主成份命名。
• 另外，我們亦可以輸出以迴歸法計算之主成份分數做為新的變項，以利後續進一步的分析之用。

new_data<-principal(data,2,rotata="none",scores=T)$scores