Stata中如何对数据集除ID列外所有变量执行PCA？遇观测值不足错误

为啥会报错？ #

说白了就是有效观测数不够——要么是你选的变量里缺失值太多，删完有缺失的观测后剩下的数量撑不起PCA计算；要么是有效观测数比你要分析的变量数还少，协方差矩阵根本算不出来。

具体怎么解决 #

• 先查缺失值情况：
  敲命令 misstable summarize，就能看到所有变量的缺失值数量和占比。重点看那些非ID变量，有没有单个变量缺一半以上，或者好几个变量同时缺的情况特别严重。
• 别逐个选变量，批量处理：
  假设你的ID列叫id，先把除它之外的变量存成一个宏：

  ds id, not
  local pca_vars `r(varlist)'
  

  然后直接用这个宏跑PCA：

  pca `pca_vars'
  

  这样既省事儿，也能一次性看到所有目标变量的有效观测数够不够。
• 处理缺失值：
  • 如果缺失不多，PCA默认会自动删掉有缺失的观测（casewise选项），但删完还是不够的话：
    • 把缺得特别多的变量直接删掉：比如某个变量90%都是空值，敲drop 变量名再跑。
    • 用多重插补补缺失值（这个方法更严谨）：

      mi set flong
      mi register imputed `pca_vars'
      mi impute chained (regress) `pca_vars', add(5)
      mi estimate: pca `pca_vars'
      

    • 临时分析的话，也可以用均值补（正式分析别用这个）：replace 变量名 = mean(变量名) if missing(变量名)
• 调整变量数和观测数的比例：
  PCA要求有效观测数得比变量数多（至少多几个，结果才靠谱）。比如你有20个变量，有效观测数至少得25个以上才行。要是实在凑不够观测数，就先做相关性分析，把和其他变量高度相关的变量删掉，减少变量数量后再跑PCA。

内容的提问来源于stack exchange，提问作者Aritra