如何用PCA预测GDP per capita？R中指定目标变量的实现疑问

核心说明 #

普通PCA（prcomp）是无监督方法，仅基于自变量的协方差结构提取成分，完全不考虑目标变量（GDP per capita）。你之前得到的R²=90%，其实就是前两个主成分对GDP per capita的方差解释率——这是通过主成分回归（PCR）得到的结果，也就是你要的答案。

如果想直接提取优先解释GDP per capita方差的成分，需要用有监督的成分提取方法，比如偏最小二乘（PLS）。

方法1：用现有PCA结果计算GDP方差解释率 #

你已经完成了PCA，只需用提取的主成分回归GDP per capita，就能得到准确的方差解释率：

# 提取前两个主成分得分
pc_scores <- zpca[, 1:2]
# 把GDP和主成分合并成数据框
model_data <- data.frame(gdppc = all$gdppc, pc_scores)
# 拟合回归模型
gdppc_pcr <- lm(gdppc ~ ., data = model_data)
# 查看R²（即主成分对GDP的方差解释率）
summary(gdppc_pcr)$r.squared

这个结果和你画图得到的90%一致，就是前两个主成分能解释的GDP per capita方差比例。

方法2：用PLS提取以GDP为目标的成分 #

如果你想从一开始就提取优先解释GDP方差的成分，使用pls包的偏最小二乘回归：

1. 安装并加载包：

install.packages("pls")
library(pls)

2. 拟合PLS模型（指定2个成分）：

# all是包含GDP和所有自变量的数据框
pls_model <- plsr(gdppc ~ ., data = all, ncomp = 2, scale = TRUE, center = TRUE)

3. 查看结果：

summary(pls_model)

输出里的Cumulative % variance of response就是前n个成分对GDP per capita的累计方差解释率，这正是你想要的“以GDP为目标的方差解释”结果。

4. 提取PLS成分得分：

pls_scores <- predict(pls_model, newdata = all, type = "scores")

关于你遇到的predict报错问题 #

predict(prcomp_object, data)要求输入的数据和PCA建模时的自变量结构完全一致（即和allexceptgdppc的列名、数量匹配）。你输入单独的GDP变量，结构不匹配，所以报错。实际上你不需要把GDP传给predict，predict(pca, all)会自动忽略all里的GDP变量，只处理和allexceptgdppc对应的自变量，生成主成分得分。

内容的提问来源于stack exchange，提问作者maxpl727