Por lo que yo entendí, te imaginas que tienes dos nubes de puntos cada una, en un espacio -dimensional; realiza PCA en cada nube por separado y luego desea comparar los resultados de PCA entre nubes y probar diferencias significativas en algunas de las características de PCA más importantes.nortere
No creo que haya pruebas estándar para este propósito. Para cualquier pregunta específica, uno probablemente puede encontrar algún método o prueba, pero su pregunta es demasiado amplia para tratar de encontrar alguna prueba posible.
Aún así, un enfoque general que viene a la mente es usar pruebas de permutación. Digamos que desea probar si PC1 en ambos conjuntos de muestras ("nubes") son diferentes. Puedes calcular el ángulo entre ellos. Luego, se agrupan los puntos en una gran nube, se divide al azar en dos nubes de tamaño (esto generalmente se denomina "mezclar las etiquetas"), ejecuta dos PCA y calculaθ2 nnorteθ entre dos PC1. Las divisiones aleatorias se pueden realizar muchas veces (por ejemplo, veces), lo que resulta en una distribución de esperada bajo una hipótesis nula de que no hay diferencia entre las nubes. Luego simplemente compara tu real con esta distribución y obtienes un10000θθpags-valor.
Se puede usar el mismo enfoque para comparar, por ejemplo, los valores propios más grandes. O los valores propios más pequeños. O en realidad casi cualquier cosa que quieras comparar.
Aparte de eso, si desea un estadístico de prueba para la "igualdad de resultados de PCA" en general, entonces tal vez debería simplemente usar una prueba que compare dos matrices de covarianza (sin hacer ningún PCA en absoluto). Por ejemplo, la prueba M de Box (que es una generalización multivariada de un prueba de Bartlett para la igualdad de varianzas).