pfa(robCompositions)
pfa()所属R语言包：robCompositions
Factor analysis for compositional data
成分数据的因子分析
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Computes the principal factor analysis of the input data which are transformed and centered first.
计算第一变换和居中的输入数据的主要因素分析。
用法----------Usage----------
pfa(x, factors, data = NULL, covmat = NULL, n.obs = NA,
subset, na.action, start = NULL,
scores = c("none", "regression", "Bartlett"),
rotation = "varimax", maxiter = 5, control = NULL, ...)
参数----------Arguments----------
参数：x
(robustly) scaled input data
（强劲）换算后的输入数据
参数：factors
number of factors
若干因素
参数：data
default value is NULL
默认值是NULL
参数：covmat
(robustly) computed covariance or correlation matrix
（强劲）计算协方差或相关系数矩阵
参数：n.obs
number of observations
的观测数
参数：subset
if a subset is used
如果使用了一个子集
参数：na.action
what to do with NA values
做什么用NA值
参数：start
starting values
初始值
参数：scores
which method should be used to calculate the scores
该方法应该被用来计算分数
参数：rotation
if a rotation should be made
如果应作出的旋转
参数：maxiter
maximum number of iterations
最大迭代次数
参数：control
default value is NULL
默认值是NULL
参数：...
arguments for creating a list
参数创建一个列表
Details
详细信息----------Details----------
The main difference to usual implementations is that uniquenesses are nor longer of diagonal form. This kind of factor analysis is designed for centered log-ratio transformed compositional data. However, if the covariance is not specified, the covariance is estimated from isometric log-ratio transformed data internally, but the data used for factor analysis are backtransformed to the clr space (see Filzmoser et al., 2009).
通常实现的主要区别是，独特性也不再对角形式。这种因子分析是专为中心的对数比转换成分数据。然而，如果还没有指定的协方差，协方差估计从等角数比变换后的数据在内部，但所使用的数据进行因子分析的clr空间逆转换（见Filzmoser等人，2009）。
值----------Value----------
参数：loadings
A matrix of loadings, one column for each factor. The factors are ordered in decreasing order of sums of squares of loadings.
矩阵的每个因素的负荷，一列。的因素是有序的，在降低订购平方装载的款项。
参数：uniquness
uniquness
uniquness
参数：correlation
correlation matrix
相关矩阵
参数：criteria
The results of the optimization: the value of the negativ log-likelihood and information of the iterations used.
优化的结果：的值的负面的对数似然和信息使用的迭代。
参数：factors
the factors
因素
参数：dof
degrees of freedom
自由度
参数：method
“principal”
“本金”
参数：n.obs
number of observations if available, or NA
数目的观察（如果可用）或NA
参数：call
The matched call.
匹配的呼叫。
参数：STATISTIC, PVAL
The significance-test statistic and p-value, if they can be computed
的显着性检验统计量和p值，如果他们可以计算
（作者）----------Author(s)----------
Peter Filzmoser, Karel Hron, Matthias Templ
参考文献----------References----------
Statistical Data Analysis Explained. Applied Environmental Statistics with R. John Wiley and Sons, Chichester, 2008.
Computers and Geosciences, 35 (9), 1854–1861.
实例----------Examples----------
data(expenditures)
x <- expenditures
res0 <- pfa(x, factors=1, covmat="cov")
## the following produce always the same result:[＃以下产生相同的结果：]
res1 <- pfa(x, factors=1, covmat="covMcd")
res2 <- pfa(x, factors=1, covmat=covMcd(ilr(x))$cov)
res3 <- pfa(x, factors=1, covmat=covMcd(ilr(x)))
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-9-27 20:02:45
