PCA_COMP - Valores de los componentes principales

Devuelve un array de celdas para el i-ésimo componente principal (o residuales).

Sintaxis

PCA_COMP (X, Mask, Standardize, Number, Return)

X

es la matriz de datos de variables independientes, de manera que cada columna representa una variable.

Mask

es una matriz boolena para seleccionar un subconjunto de variables de entrada en X. Si falta, todas las variables en X son incluidas.

Standardize

es una bandera o switch para estandarizar las variables de entrada previo al análisis (Ej. Estandarizado = 1 (defecto), Restar la media = 2)).

Valor	Standardize
1	Estandardiza (resta la media y divide entre la desviación estándar) (por defecto).
2	Restar la media (restar la media).

Number

es el número componente para regresar. Si falta , se toma el primer componente principal.

Return

es un switch para seleccionar el resultado (1 = Proporción de varianza (por defecto), 2 = Varianza, 3 = Valor propio, 4 = Cargas, 5 = Datos del CP).

Valor	Return
1	Proporción de la varianza total (por defecto).
2	Varianza.
3	Valor propio.
4	Cargas o peso para variables de entrada.
5	Datos del Componente Principal (CP).

Observaciones

1. El modelo subyacente se describe aquí.
2. La función PC_COMP debe ser ingresada como un formula matricial (para tipos de retorno mayores que 3) en un rango que tiene las filas como los número de variables (tipo de retorno = 4) o el número de observaciones (tipo de retorno = 5).
3. Los datos de la muestra pueden incluir valores faltantes.
4. Cada columna en la matriz de datos corresponde a una variable separada.
5. Cada fila en la matriz de entrada corresponde a una observación.
6. Observaciones (Ej. filas) con valores faltantes son removidos.
7. La función PC_COMP esta disponible comenzando con la versión 1.60 APACHE.

Ejemplos de archivos

Enlaces Relacionados

• Wikipedia - Linear regression.
• Wikipedia - Regression analysis.
• Wikipedia - Ordinary least squares.

Referencias

• J. Edward Jackson; A User's Guide to Principal Components; Wiley-Interscience; (Sep 10, 2003), ISBN: 471471348.
• I.T. Jolliffe; Principal Component Analysis; Springer; 2nd Edition(Oct 01, 2002), ISBN: 0387954422.
• John Y. Campbell, Andrew W. Lo, A. Craig MacKinlay, Andrew Y. Lo; The Econometrics of Financial Markets; Princeton University Press; 2nd edition(Dec 09, 1996), ISBN: 691043019.
• Hamilton, J.D.; Time Series Analysis, Princeton University Press (1994), ISBN 0-691-04289-6.
• Tsay, Ruey S.; Analysis of Financial Time Series John Wiley & SONS. (2005), ISBN 0-471-690740.