r - 如何在 R 中拟合具有两个主成分的线性回归模型？

Question

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？

Answer 1

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