################################################################################### # Avaliação: # escala de 7 pontos, quanto maior a nota, maior a concordância com a frase # # MARCA # 1 = Pepsi-cola, 2=Coca-cola, 3=Gatorade, 4=Allsport, 5=Lipton, 6=Nestea # # Tipo # 1= Refrigerante, 2=Esportiva, 3=Chá # # X1 A marca tem um sabor refrescante. # X2 Prefiro essa marca por ter menos calorias. # X3 A marca elimina minha sede imediatamente. # X4 Gosto do sabor adocicado da marca. # X5 Prefiro consumir a marca após atividade física, pois me dá energia. # X6 Prefiro a marca pois vem numa embalagem que não agride o meio ambiente. # X7 A marca tem minerais e vitaminas que mantêm baixa a necessidade de água de meu corpo. # X8 A marca tem um sabor único. # X9 A marca possui uma mistura de minerais e vitaminas que é saudável para o meu corpo. # X10 Eu prefiro a marca quando realmente estou com sede. ################################################################################### wants = c("graphics") has = wants %in% rownames(installed.packages()) if(any(!has)) install.packages(wants[!has]) library(graphics) data = read.csv("bebidas.csv",header=TRUE) x = as.matrix(data[,4:13]) pca.cov = princomp(x,scores=TRUE) pca.cor = princomp(x,scores=TRUE,cor=TRUE) summary(pca.cov) summary(pca.cor) vd.cov = pca.cov$sd^2/sum(pca.cov$sd^2) svd.cov = cumsum(vd.cov) vd.cor = pca.cor$sd^2/sum(pca.cor$sd^2) svd.cor = cumsum(vd.cor) round(100*cbind(vd.cov,svd.cov,vd.cor,svd.cor),1) write.table(round(100*cbind(vd.cov,svd.cov,vd.cor,svd.cor),2), file="variancedecomposition.csv",sep=",", col.names=c("%Var","%VarAcum","%Cor","%CorAcum")) write.table(round(cor(x),2),file="correlation.csv",sep=",") write.table(round(loadings(pca)[,1:3],4),file="loadings.csv",sep=",") par(mfrow=c(1,1)) biplot(pca) par(mfrow=c(1,2)) screeplot(pca.cov) screeplot(pca.cor) write.table(round(cor(x,pca.cor$scor),2),file="corr-x-f.csv",sep=",")