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。