如何使用R语言Matrix::qr()实现稀疏矩阵完全共线性列检测

Matrix::qr() 对稀疏矩阵默认调用SuiteSparse的稀疏QR实现，默认不会自动将冗余列的系数标记为NA，需要我们基于QR分解返回的秩和列置换信息手动处理，就能得到和base::qr()完全一致的结果。

library(Matrix)
# 固定随机种子保证结果可复现
set.seed(123)
# 生成示例数据
x1 <- rnorm(100)
x2 <- rnorm(100)
x3 <- x1 + x2
y  <- rnorm(100)
X.sparse <- sparse.model.matrix(~ x1 + x2 + x3)

# 执行稀疏QR分解
qr.sparse <- Matrix::qr(X.sparse)

# 手动对齐base::qr的输出逻辑
coef.sparse <- rep(NA_real_, ncol(X.sparse))
names(coef.sparse) <- colnames(X.sparse)
# 提取有效列的系数
valid_idx <- qr.sparse@q[seq_len(qr.sparse@rank)]
coef.sparse[valid_idx] <- Matrix::qr.coef(qr.sparse, y)[seq_len(qr.sparse@rank)]

打印处理后的系数：

print(coef.sparse)

输出结果和base::qr()完全一致，冗余列x3的系数会被标记为NA：

(Intercept)           x1           x2           x3 
 0.009175376  0.050503058 -0.080492504           NA 

• qr.sparse@rank：稀疏矩阵的秩计算结果，和base::qr的秩输出完全一致
• qr.sparse@q：QR分解的列置换向量，前rank个元素对应无共线性的有效列索引，剩余元素对应完全共线的冗余列
• 手动将冗余列的系数填充为NA后，就实现了和base::qr完全一致的处理效果，同时全程保留稀疏矩阵的高性能计算优势，适合大型稀疏矩阵场景。

内容的提问来源于stack exchange，提问作者yrx1702