8

假设我有一个数据矩阵 d

pc = prcomp(d)

# pc1 and pc2 are the principal components  
pc1 = pc$rotation[,1] 
pc2 = pc$rotation[,2]

那么这应该适合线性回归模型吧?

r = lm(y ~ pc1+pc2)

但后来我得到这个错误:

Errormodel.frame.default(formula = y ~ pc1+pc2, drop.unused.levels = TRUE) : 
   unequal dimensions('pc1')

我想那里有一个包可以自动执行此操作,但这也应该有效吗?

4

1 回答 1

18

答案:您不需要 pc$rotation,它是旋转矩阵,而不是旋转值(分数)矩阵。

补一些数据:

x1 = runif(100)
x2 = runif(100)
y = rnorm(2+3*x1+4*x2)
d = cbind(x1,x2)

pc = prcomp(d)
dim(pc$rotation)
## [1] 2 2

哎呀。“x”组件是我们想要的。来自 ?prcomp:

x:如果 'retx' 为真,则返回旋转数据的值(居中(如果需要,则缩放)数据乘以 'rotation' 矩阵)。

dim(pc$x)
## [1] 100   2
lm(y~pc$x[,1]+pc$x[,2])
## 
## Call:
## lm(formula = y ~ pc$x[, 1] + pc$x[, 2])

## Coefficients:
## (Intercept)    pc$x[, 1]    pc$x[, 2]  
##     0.04942      0.14272     -0.13557  
于 2009-11-26T23:03:55.697 回答