Я вычисляю анализ главных компонентов с этой матрицей в качестве ввода, используя функцию psych::principal. Каждый столбец во входных данных представляет собой ежемесячные корреляции между урожайностью культур и климатической переменной в регионе (30), поэтому я хочу получить с помощью PCA сокращение информации и нахождение модели схожести реакции между регионами.
pc <- principal(dat,nfactors = 9, residuals = FALSE, rotate="varimax", n.obs=NA, covar=TRUE,scores=TRUE, missing=FALSE, impute="median", oblique.scores=TRUE, method="regression")
Матрица имеет размеры 10 * 30, и первое сообщение, которое я получаю:
Определитель сглаженной корреляции был равен нулю. Это означает, что
Целевая функция не определена. Площадь Чи основана на наблюдаемых
невязки. Определитель сглаженной корреляции был равен нулю. это
означает, что целевая функция также не определена для нулевой модели.
Таким образом, квадрат Хи основан на наблюдаемых корреляциях. Предупреждение
сообщения: 1: В cor.smooth (r): матрица не была положительно определенной,
сглаживание было сделано 2: в принципе (dat, nfactors = 3, остатки = F,
rotate = "none",: матрица не является положительной, полуопределенной, баллы
найдено из структурных нагрузок
Тем не менее, похоже, что функция работает, основная проблема в том, что когда вы проверяете весовые коэффициенты pc $ и понимаете, что они равны загрузкам pc $.
Когда количество столбцов меньше или равно количеству строк, результаты являются согласованными, однако здесь это не так.
Я должен получить весовые коэффициенты для оценки значений баллов в той же величине, что и входные данные (значения корреляции).
Я был бы очень признателен за любую помощь.
Спасибо.