如何将PCA提取的PC1作为变量纳入R语言分层回归分析

核心疑问 #

我在做R语言分层回归分析时，想把PCA得到的PC1作为变量加入模型，用来解释因变量的额外变异，请问这种做法是否可行？

已执行的PCA代码 #

pca <- prcomp(my.data[,c(57:62)], center = TRUE, scale. = TRUE)
summary(pca)
str(pca)
fviz_eig(pca)
fviz_pca_ind(pca,
             col.ind = "cos2", # Color by the quality of representation
             gradient.cols = c("#00AFBB", "#E7B800", "#FC4E07"),
             repel = TRUE     # Avoid text overlapping
)

ggbiplot(pca)
print(pca)

PCA旋转结果 #

# Rotation (n x k) = (4 x 4):
           PC1        PC2           PC3
EC   0.5389823 -0.4785188  0.0003197419
temp 0.4787782  0.3590390  0.7913858440
pH   0.5495125 -0.3839466 -0.2673991595
DO.  0.4222624  0.7033461 -0.5497326925
            PC4
EC    0.6931938
temp -0.1247834
pH   -0.6921840
DO.   0.1574569

计划的回归模型 #

我希望将PC1加入回归模型，例如：

m0 <- lm(Rel.abund.rotifers~turb+chl.a+PC1,data=my.data)

解答 #

可行性结论 #

完全可行。PCA提取的主成分是原始变量的线性组合，能浓缩原始变量的变异信息，将PC1加入回归模型，本质是用这组浓缩后的信息解释因变量变异，尤其适合原始变量存在共线性的场景，能有效避免多重共线性问题。

具体操作步骤 #

1. 提取PC1得分并整合到数据集
   从PCA结果中提取PC1的得分，添加到原数据集my.data中：

   my.data$PC1 <- pca$x[, "PC1"]
   

2. 构建分层回归模型

   • 先建立不含PC1的基础模型：

     m_base <- lm(Rel.abund.rotifers ~ turb + chl.a, data = my.data)
     

   • 再建立加入PC1的模型：

     m_pc1 <- lm(Rel.abund.rotifers ~ turb + chl.a + PC1, data = my.data)
     

3. 检验PC1的额外解释力
   使用anova()函数对比两个模型，判断PC1是否显著贡献了额外变异：

   anova(m_base, m_pc1)
   

   若输出结果中的Pr(>F)值小于0.05，说明PC1确实为模型增加了显著的解释力。

注意事项 #

• 你已经在PCA中设置了scale. = TRUE，确保了变量标准化，这能避免量纲差异干扰主成分提取，是正确的操作。
• 解释回归结果时，要结合PC1的载荷（即你给出的Rotation结果）说明其实际含义：比如你的PC1在EC、temp、pH、DO.上均有较高正载荷，说明PC1反映了这几个环境因子的协同变化趋势，这样能让回归结果的解释更贴合研究场景。

内容的提问来源于stack exchange，提问作者Rachel Orr