R语言使用step函数指定纳入PCA模型变量的相关问题

首先澄清概念偏差 #

你现有代码调用的step()是回归模型的逐步变量筛选函数，而非PCA（主成分分析）专用函数，两个场景的实现逻辑完全不同：

• 如果你是做无响应变量的PCA：没有传统回归的R²指标，通常用主成分累计解释方差比例衡量变量对总变异的解释能力
• 如果你是做有响应变量的回归模型：可以通过变量筛选得到对应模型的R²值

场景1：仅指定4个变量做PCA，获取解释方差 #

按以下步骤操作即可：

1. 先从全量数据中提取你需要的变量子集

# 仅保留指定的4个变量
target_df <- All_Parameters[, c("var1", "var3", "var4", "var6")]

2. 拟合PCA模型（默认对变量做标准化，避免量纲影响）

pca_res <- prcomp(target_df, scale. = TRUE)

3. 计算解释方差（即你要的类R²结果）

# 单个主成分的解释方差占比
pve <- pca_res$sdev^2 / sum(pca_res$sdev^2)
# 前N个主成分的累计解释方差，比如取前2个主成分的累计值就是：
cum_pve <- cumsum(pve)
# 查看结果，cum_pve[1]是第一个主成分解释比例，cum_pve[4]为1（所有主成分解释全部变异）
print(cum_pve)

场景2：仅用指定4个变量做回归，获取模型R² #

如果你是要做带响应变量的回归，要筛选这4个变量、计算模型R²，修正你的step()写法如下：

1. 首先明确回归因变量，假设你的因变量为y，写法如下：

# 先定义基准模型（截距项模型）
base_model <- lm(y ~ 1, data = All_Parameters)
# 逐步筛选仅限定在你指定的4个变量中
step_model <- step(
  base_model,
  direction = "both",
  trace = 1,
  # scope限定可选变量的上下限，lower是必须包含的变量，upper是最多能选的变量
  scope = list(lower = ~ 1, upper = ~ var1 + var3 + var4 + var6)
)

2. 提取最终模型的R²值

# 普通R²
summary(step_model)$r.squared
# 调整后R²
summary(step_model)$adj.r.squared

原有代码的错误说明 #

你之前的step()写法存在两个核心问题：

• step()的第一个参数必须是预先拟合好的模型对象（比如lm/glm对象），不能直接传入数据集All_Parameters
• 你没有指定回归的因变量，step()是为监督学习的回归模型设计的变量筛选工具，无监督的PCA场景不需要用到这个函数

内容的提问来源于stack exchange，提问作者user18058