вклад переменных в главные компоненты
Доброго времени суток! Вопрос может показаться странным, но всё же... Я провожу анализ главных компонент, получаю биплот и прочее (значения scores, loadings и т.д.). Как можно оценить вклад исходных переменных в главные компоненты? Знаю, что о вкладе можно сказать по величине нагрузок (длина стрелок на биплоте), но хотелось бы посмотреть что важнее для компоненты, а что - менее важно. Прикрипляю файл с данными и сам рисунок. Построено всё при помощи пакета ade 4. Данные шкалированы и центрированы.
https://yadi.sk/i/6LFLC1XYjLsBp
P.S. На англоязычном сайте нашёл функцию "dimdesc()" из пакета FactoMineR (реализация - http://www.sthda.com/english/wiki/principal-component-analysis-how-to-reveal-the-most-important-variables-in-your-data-r-software-and-data-mining). Как я понял там идёт расчёт корреляции между главными компонентами и исходными переменными. Но как-то слишком странно расчитывается уровень значимости этого дела. Да и значения p бывают временами жутко низкими (либо значимость считается через дисперсионный анализ, либо через регрессию, либо ещё как-то по хитрому).
Буду очень признателен за помощь.
https://yadi.sk/i/6LFLC1XYjLsBp
P.S. На англоязычном сайте нашёл функцию "dimdesc()" из пакета FactoMineR (реализация - http://www.sthda.com/english/wiki/principal-component-analysis-how-to-reveal-the-most-important-variables-in-your-data-r-software-and-data-mining). Как я понял там идёт расчёт корреляции между главными компонентами и исходными переменными. Но как-то слишком странно расчитывается уровень значимости этого дела. Да и значения p бывают временами жутко низкими (либо значимость считается через дисперсионный анализ, либо через регрессию, либо ещё как-то по хитрому).
Буду очень признателен за помощь.