基于R的Bilibili视频数据建模及分析——建模-因子分析篇

文章目录

• 基于R的Bilibili视频数据建模及分析——建模-因子分析篇
• • 0、写在前面
  • 1、数据分析
  • • 1.1 建模-因子分析
    • 1.2 对数线性模型
    • 1.3 主成分分析
    • 1.4 因子分析
    • 1.5 多维标度法
  • 2、参考资料

0、写在前面

实验环境

• Python版本：Python3.9
• Pycharm版本：Pycharm2021.1.3
• R版本：R-4.2.0
• RStudio版本：RStudio-2021.09.2-382

该实验一共使用4个数据集，但文章讲述只涉及到一个数据集，并且对于每个数据集的分析，数据大小在110条左右

• 数据来源于和鲸社区

https://www.heywhale.com/mw/dataset/62a45d284619d87b3b2b9147/file

数据字段描述说明

• title：视频的标题
• duration：视频时长
• publisher：视频作者
• descriptions：视频描述信息
• pub_time：视频发布时间
• view：视频播放量
• comments：视频评论数
• praise：视频点赞量
• coins：视频投币数
• favors：视频收藏数
• forwarding：视频转发量

1、数据分析

数据分析阶段一共分为三个角度进行分析，分别是变量相关性分析、聚类分析、建模-因子分析

下文讲述建模-因子分析阶段

1.1 建模-因子分析

建模-因子分析阶段主要涉及自变量和因变量的关系分析，以及相应的建模分析，主要包含以下方面：对数线性模型、主成分分析、因子分析、多维标度法

1.2 对数线性模型

对数线性模型代码如下：

logit.glm <- glm(view~comments+praise+coins+favors+forwarding, family = poisson(link = log), data = data1)
summary(logit.glm)

自变量的值都是<2e-16，说明观看量view和评论数、点赞量、投币数、收藏量、转发量没有重要影响。

1.3 主成分分析

主成分分析代码如下：

PCA=princomp(data1[6:11],cor=T)         
summary(PCA)

0.9159657>0.8，故选择前3个主成分来反映原评价对象。

• 主成分载荷：

PCA$loadings 

• 确定主成分：

按照方差贡献率大于80%原则，选定了3个主成分。

screeplot(PCA, type = "lines")

• 计算主成分得分

PCA$scores[,1:3]

1.4 因子分析

本实验采用vrimax法旋转因子分析：

• 旋转因子分析：

cor(data1[6:11])
Fal = factanal(data1[6:11], 3, rot="varimax")
Fal

• 因子统计计算得分：

使用回归估计法计算得分

Fal2=factanal(data1[6:11],3,scores="regression") 
Fal2$scores

• 复合分析：

回归估计法+旋转因子分析：

Fal3=factanal(data1[6:11],3,scores="regression",rot="varimax") 
biplot(Fal3$scores,Fal3$loadings)

1.5 多维标度法

• 多维标度法的古典解：

代码如下：

library(MASS)
d=dist(data1[6:11])  #as.matrix()

v

isoMDS()函数：Kruskal的非度量多维缩放

• isoMDS()结果值

代码如下：

fit=isoMDS(d,k=6)
fit

isoMDS()的参数k：数据集的列的数量

• view与comments属性：结果分析

代码如下：

x=fit$points[,1]
y=fit$points[,2]
plot(x,y);
abline(v=0,h=0,lty=3)
text(x,y,labels=row.names(X))

text():在绘图中添加文本

text在x和y给出的坐标上绘制矢量标签中的字符串。由于xy.coords(x, y)用于构建坐标，所以y可能会丢失。

2、参考资料

• 多元统计分析及R使用（第五版）

结束！