মূলত, ফ্যাক্টর স্কোরগুলি ফ্যাক্টর লোডিংয়ের দ্বারা ওজনিত কাঁচা প্রতিক্রিয়া হিসাবে গণনা করা হয়। সুতরাং, প্রতিটি ভেরিয়েবল মূল উপাদানটির সাথে কীভাবে সম্পর্কযুক্ত তা দেখতে আপনাকে আপনার প্রথম মাত্রার ফ্যাক্টর লোডিংগুলি দেখতে হবে। নির্দিষ্ট ভেরিয়েবলের সাথে সম্পর্কিত উচ্চ ধনাত্মক (শ্রদ্ধা নেতিবাচক) লোডগুলি পর্যবেক্ষণ করার অর্থ এই ভেরিয়েবলগুলি এই উপাদানটিতে ইতিবাচক (রেস। নেতিবাচক) অবদান রাখে; অতএব, এই ভেরিয়েবলগুলিতে উচ্চতর স্কোর করা লোকেদের এই নির্দিষ্ট মাত্রায় উচ্চতর (শ্রদ্ধা নিম্ন) ফ্যাক্টর স্কোর থাকতে হবে।
পারস্পরিক সম্পর্কের চেনাশোনাটি আঁকার ক্ষেত্রে প্রথম মূল অক্ষটিতে "ইতিবাচক" বনাম "" নেতিবাচক "(যদি থাকে) অবদান রাখে এমন সাধারণগুলির সাধারণ ধারণা থাকতে দরকারী তবে আপনি যদি আর ব্যবহার করছেন তবে আপনার ফ্যাকটোমাইনআর প্যাকেজটি দেখতে হবে এবং dimdesc()ফাংশন।
এখানে USArrestsডেটা সহ একটি উদাহরণ রয়েছে :
> 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
সর্বশেষ ফলাফল থেকে দেখা যায়, প্রথম মাত্রাটি মূলত হিংসাত্মক ক্রিয়াকলাপগুলি (যে কোনও ধরণের) প্রতিফলিত করে। আমরা যদি পৃথক মানচিত্রের দিকে নজর রাখি তবে এটি স্পষ্ট যে ডানদিকে অবস্থিত রাজ্যগুলি এমন যেখানে এই ধরনের কাজগুলি প্রায়শই ঘন ঘন ঘটে।
আপনি এই সম্পর্কিত প্রশ্নেও আগ্রহী হতে পারেন: মূল উপাদান স্কোরগুলি কী কী?