Pada dasarnya, skor faktor dihitung sebagai respons mentah yang dibobot oleh pemuatan faktor. Jadi, Anda perlu melihat loading faktor dari dimensi pertama Anda untuk melihat bagaimana masing-masing variabel berhubungan dengan komponen utama. Mengamati pemuatan positif (resp. Negatif) tinggi yang terkait dengan variabel spesifik berarti bahwa variabel ini berkontribusi positif (resp. Negatif) terhadap komponen ini; karenanya, orang yang mendapat skor tinggi pada variabel-variabel ini akan cenderung memiliki skor faktor yang lebih tinggi (resp. lebih rendah) pada dimensi khusus ini.
Menggambar lingkaran korelasi berguna untuk memiliki gambaran umum tentang variabel-variabel yang berkontribusi "positif" vs "negatif" (jika ada) ke sumbu utama pertama, tetapi jika Anda menggunakan R, Anda dapat melihat pada paket FactoMineR dan yang dimdesc()
fungsi.
Berikut ini adalah contoh dengan USArrests
datanya:
> data(USArrests)
> library(FactoMineR)
> res <- PCA(USArrests)
> dimdesc(res, axes=1) # show correlation of variables with 1st axis
$Dim.1
$Dim.1$quanti
correlation p.value
Assault 0.918 5.76e-21
Rape 0.856 2.40e-15
Murder 0.844 1.39e-14
UrbanPop 0.438 1.46e-03
> res$var$coord # show loadings associated to each axis
Dim.1 Dim.2 Dim.3 Dim.4
Murder 0.844 -0.416 0.204 0.2704
Assault 0.918 -0.187 0.160 -0.3096
UrbanPop 0.438 0.868 0.226 0.0558
Rape 0.856 0.166 -0.488 0.0371
Seperti dapat dilihat dari hasil terbaru, dimensi pertama terutama mencerminkan tindakan kekerasan (dalam bentuk apa pun). Jika kita melihat pada peta individual, jelas bahwa negara-negara yang terletak di sebelah kanan adalah yang paling sering melakukan tindakan seperti itu.
Anda mungkin juga tertarik dengan pertanyaan terkait ini: Apa skor komponen utama?