如何从missMDA的MIPCA结果中提取第一主成分？

针对你用missMDA包执行多重插补PCA（MIPCA）后提取第一主成分的需求，这里提供两种可行方法，分别对应单个插补数据集和多重插补的合并结果：

方法1：提取单个插补数据集的第一主成分 #

mi$res.imputePCA是基于单次插补得到的PCA结果，其中$ind$coord存储了所有样本在各主成分上的得分，第一列即为第一主成分：

# 提取第一主成分得分
pc1_single <- mi$res.imputePCA$ind$coord[, 1]

# 将得分加入原数据集
df <- df %>% mutate(PC1_single = pc1_single)

方法2：合并多重插补数据集的第一主成分（推荐） #

你设置了nboot=999生成了999个插补数据集，严谨来说需要遵循Rubin规则合并所有插补结果的主成分得分，步骤如下：

1. 遍历所有插补后的PCA结果，提取每个数据集的第一主成分得分
2. 将所有得分合并为矩阵，计算每行（样本）的均值作为最终主成分得分（点估计），同时可计算方差用于后续推断

# 提取所有999个插补数据集的第一主成分得分
pc1_list <- lapply(mi$res.MI, function(imputed_pca) {
  imputed_pca$ind$coord[, 1]  # 取第一列即第一主成分
})

# 转换为矩阵：行=样本，列=不同插补的PC1得分
pc1_matrix <- do.call(cbind, pc1_list)

# 用Rubin规则合并：均值作为最终得分，方差用于统计推断
pc1_combined_mean <- rowMeans(pc1_matrix)
pc1_combined_var <- apply(pc1_matrix, 1, var)

# 将合并后的得分加入原数据集
df <- df %>% mutate(PC1_combined = pc1_combined_mean)

关键说明 #

• mi$res.MI中的每个元素都是imputePCA的输出结果，结构和mi$res.imputePCA完全一致，均可通过$ind$coord获取主成分得分
• 若后续模型仅需要主成分作为特征输入，使用合并后的均值即可；若需考虑插补带来的不确定性，需结合方差进行调整

内容的提问来源于stack exchange，提问作者tnt