文档介绍：-
. z.
第一题
> data=("*t",head=T)
> head(data)*前六行数据
> attach(data)
> optio-
. z.
第一题
> data=("*t",head=T)
> head(data)*前六行数据
> attach(data)
> options(digits=2)
> data=*(data)*转化为矩阵
> v1<-eigen(data)*计算相关系数矩阵特征值和特征向量
> v1
> zhuchengfen<-prinp(covmat=data)*用相关系数矩阵做主成分分析
> summary(zhuchengfen)
> *<-zhuchengfen$loadings；**主成分载荷
> y<-zhuchengfen$scores;y *主成分得分
因为只有相关系数矩阵，所以没有主成分的得分
> screeplot(zhuchengfen,type="lines")
根据累计方差奉献率和Kaiser准则，应该选择三个主成分，即PC1、PC2、PC3。累计方差奉献率为64%。PC1、PC2、PC3对方差奉献率分别是38%、15%、11%。结果如下：
运动工程
第一主成分
第二主成分
第三主成分
100米
-
-
跳远
-
-
铅球
-
跳高
-
-
-
400米
-
-
110米跨栏
-
铁饼
-
-
撑杆跳高
-
-
标枪
-
-
1500米
-
-
方差奉献率
累积方差奉献率
解释：前三个主成分解释了大局部信息；第一次主成分测量的是综合运动能力，第二个主成分代表了爆发力臂力，第三主成分测量的是爆发性腿力。
附录：
这是psych软件包中计算主成分的结果，主成分载荷与prinp得到的结果有很大的差异，并且这个结果似乎更容易解释
第二题
> library(RODBC)
> data=odbcConnectE*cel("G:/R/q2.*ls")
> data1=sqlFetch(data,"Sheet1")
-
. z.
> close(data) *关闭通道
> attach(data1)
> head(da