Cargas da PCA

O que o bloco faz

O bloco multi/pca_loadings extrai uma tabela com as variáveis nas linhas e componentes nas colunas, como correlações variável-componente ou autovetores. O bloco recebe multi/pca.

Antes de continuar

Termos que esta página usa, em poucas palavras. As definições completas estão no glossário.

Componente principal

Uma nova variável formada por uma combinação das variáveis originais, escolhida para reter a maior variação possível. Os primeiros componentes resumem muitas variáveis correlacionadas em poucas.

Carga fatorial

Na análise fatorial, o peso que liga cada variável observada a um fator latente (não medido diretamente). Cargas altas indicam quais variáveis o fator resume e ajudam a nomeá-lo.

Quando usar

Use Cargas da PCA para interpretar quais variáveis definem cada componente e com que direção.

Configuração

• Tipo — correlações (padrão) ou autovetores.
• Componentes — número inicial de componentes; 0 (padrão) mostra todos.

Exemplo

library(trama)

reg <- tr_registry()
tr_use("trama.multi", registry = reg)

tr_flow(reg) |>
  tr_add("dados", "multi/example", dataset = "USArrests") |>
  tr_add("pca", "multi/pca", cols = "Murder, Assault, UrbanPop, Rape", from = "dados") |>
  tr_add("cargas", "multi/pca_loadings", tipo = "correlações", from = "pca")

A tabela devolve as correlações de cada variável com os componentes da PCA.

Como interpretar

Correlação variável-componente fica entre −1 e 1. Autovetores são pesos para calcular escores; suas colunas têm soma de quadrados 1. Não compare os dois tipos como se estivessem na mesma escala.