Я провел двумерный анализ геометрии c морфометрия c анализ с использованием геоморфа в R. Среди 32 образцов имеется 13 ориентиров.
После выполнения анализа отростков на ориентирах и выполнения PCA
lands<-readland.tps(file="2d_pelvis_GM.TPS", specID = "ID", negNA=TRUE)
lands<-estimate.missing(lands, method = "TPS")
gpa<-gpagen(lands)
gm2<-gm.prcomp(gpa$coords)
в документации по gm.prcomp () говорится, что $ вращение даст мне «Матрицу переменных нагрузок, т.е. собственные векторы разложенной матрицы».
Однако, когда Я пытаюсь это, я получаю:
gm2$rotation
[,1] [,2] [,3] [,4]
[1,] -0.292637442 -0.247819659 -0.106858931 0.01109767
[2,] 0.308917172 -0.393705793 -0.059492315 -0.07341983
[3,] 0.030000517 -0.081826909 -0.065424375 0.09800728
[4,] 0.052069888 -0.165765161 -0.182545759 -0.01158679
[5,] 0.548194257 -0.381569139 -0.018172830 -0.01715879
[6,] -0.006640823 0.509101670 -0.110753022 0.07658526
[7,] -0.010698931 -0.016356517 -0.003072061 0.04752315
[8,] 0.055072685 0.043019180 -0.011659494 0.10461193
[9,] -0.104866710 -0.047445617 -0.016123797 -0.06791883
[10,] -0.022524580 -0.050072314 0.103334864 0.16119988
[11,] -0.229010887 0.016002306 0.348741743 -0.15581785
[12,] -0.037487586 -0.124647558 0.147662540 0.07513417
[13,] 0.181659233 0.257690024 -0.159775115 -0.34637649
[14,] -0.401315680 -0.177654634 -0.267710400 -0.13799427
[15,] 0.120250466 0.287037481 -0.160233065 -0.23500784
[16,] -0.308168182 -0.098020742 -0.316002315 -0.11907409
[17,] -0.201954619 0.002635231 0.103542233 -0.06862048
[18,] 0.014172165 -0.003263227 0.167454235 0.22778472
[19,] -0.139870351 -0.038388240 -0.043993696 -0.03608711
[20,] -0.060611865 0.111322129 0.389121041 0.18020552
[21,] 0.084694959 0.083795575 0.048581716 0.40593457
[22,] 0.084609928 0.040567815 0.521324332 -0.52082230
[23,] 0.025200160 0.191674102 -0.008007330 0.34023543
[24,] 0.237283438 0.264741813 -0.268730192 -0.14407308
[25,] -0.010960652 -0.025428638 0.080795508 0.02418930
[26,] 0.084623439 0.044376822 -0.112003514 0.18144889
... и так далее, вплоть до [, 26]. Естественно, я заметил, что количество строк и столбцов в этой матрице вдвое превышает количество ориентиров, но я затрудняюсь, используя это, чтобы интерпретировать, какие ориентиры вносят наибольший вклад в каждый PCA. Когда я искал аналогичные компоненты в других анализах R PCA, мне показалось, что даны более интуитивно понятные матрицы (строки - ориентиры, а столбцы - ПК), поэтому мне это мало помогло.
Любой помощь очень ценится