如何解决我可以对主要成分进行事后分析吗?
我对我的数据进行了PCA,我有4个主要组成部分。但是,很难用主成分来解释我的结果。因此,我想知道我是否可以做事后处理,即采用PC1中方差最大的变量(例如X1)和PC2中方差最大的变量(例如X2)并执行回归分析,结果变量y ,以测试他们的关联? (即lm(Y〜X1 + X2))
这是一个例子: 我有4个独立变量:记忆力测试,认知测试,注意力测试和处理速度测试。我有1个因变量,即大脑的连通性。因此,一旦执行PCA,我将得到以下内容:
PC1: 0.7X1+0.2x3
PC2: 0.8X2
PC3: 0.8X3+0.4X4
PC4: 0.1X4
PC1和PC2解释了数据中82%的方差。但是,我不确定该怎么做。如何根据原始变量解释此信息?因此,我正在考虑对主要成分中发现的变量之间进行回归,以进一步分析哪些成分可能导致这种差异。 Lm(连通性〜记忆+认知测试)
这有意义吗?我该怎么办?
解决方法
PCA分析结果毕竟意味着告诉您哪种变量组合导致最高的方差。如您所指出的,PC1和PC2解释了数据集上的大多数方差(或信息)。为什么?因为它们的特征值最高。
例如,由于变量X4
仅存在于最不重要的组件中,因此可以删除它。关于在PC1和PC2上进行“事后”回归分析的想法,我认为这不会引诱您。.根据定义,PC1和PC2是线性独立的。因此它们之间没有线性关系。
这是否可以澄清您的疑问?
我愿意接受进一步的讨论:)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。