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吗？

r = lm(y ~ pc1+pc2)

但后来我收到了这个错误：

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

我想那里有一个自动执行此操作的软件包，但这也应该有用吗？

Answer 1

答案：你不想要pc $旋转，它是旋转矩阵而不是旋转值矩阵（分数）。

制作一些数据：

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

糟糕。 “x”组件就是我们想要的。来自？prcomp：

x：如果'retx'为真，则返回旋转数据的值（居中（和缩放，如果请求）数据乘以'旋转'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

如何在R中拟合具有两个主成分的线性回归模型？

1 个答案: