Hoje eu estava analisando um conjunto de dados e percebi algo que nunca tinha reparado anteriormente. A fim de visualizar um conjunto de dados multivariado, criei a sua PCA e projetei as observações nas duas componentes principais. Para isto, utilizei os pacotes ggplot2
e ggfortify
. Vou reproduzir os resultados com outro conjunto de dados, que não é aquele que estou analisando, mas o mesmo fenômeno ocorre. Os resultados estão abaixo:
library(ggplot2)
library(ggfortify)
iris.pca <- prcomp(iris[, -5])
ggplot(iris.pca$x, aes(x = PC1, y = PC2)) +
geom_point()
autoplot(iris.pca)
Percebam que, qualitativamente, eu tenho o mesmo resultado em ambos os gráficos. A diferença entre eles surge na escala: enquanto a Componente Principal 1 (PC1) do gráfico chamado ggplot2
varia entre aproximadamente -3 e 4, esta mesma PC1 no gráfico chamado ggfortify
varia entre aproximadamente -0,125 e 0,15. Comportamentos similares ocorrem nas outras componentes principais.
Eu sei que o ggplot2
não está errado, pois ao calcular as estatísticas de iris.pca$x
, eu obtenho valores que batem com o que o gráfico mostra:
summary(iris.pca$x)
PC1 PC2 PC3 PC4
Min. :-3.2238 Min. :-1.37417 Min. :-0.76017 Min. :-0.5054344
1st Qu.:-2.5303 1st Qu.:-0.32492 1st Qu.:-0.17582 1st Qu.:-0.0778999
Median : 0.5546 Median : 0.02216 Median :-0.01639 Median : 0.0007274
Mean : 0.0000 Mean : 0.00000 Mean : 0.00000 Mean : 0.0000000
3rd Qu.: 1.5501 3rd Qu.: 0.32542 3rd Qu.: 0.20550 3rd Qu.: 0.0896801
Max. : 3.7956 Max. : 1.26597 Max. : 0.69415 Max. : 0.5053050
Portanto, o que está acontecendo com a função autoplot
? Que transformação ela está aplicando em meus dados para deixá-los com esta amplitude reduzida? E por que ela faz isso?