Hallo,
Wenn ich die PCA-Analyse unter den Parametern durchführte, schloss ich Spalte A und Spalte B ab. Wäre es statistisch korrekt, die Ration von (A / 
zu verwenden? Oder das Einfügen von mathematischen Beziehungen zwischen Spalten wäre eine Überlappung?
Vielen Dank
Hallo Alma1,
Ich bin mir nicht ganz sicher, was du meinst. Wollen Sie damit sagen, dass Sie die Spalten A und B in eine Hauptkomponentenanalyse aufgenommen haben und sich fragen, ob Sie auch eine dritte Variable, R = A / B, in die PCA mit A und B aufnehmen könnten?
Wenn dies Ihre Frage ist, würde ich vorschlagen, dies nicht zu tun, obwohl es wirklich darauf ankommt, welche Bedeutung Sie von Ihrer PCA haben möchten. Wenn Sie andere Spalten einschließen, die stark mit Ihren ursprünglichen Spalten korreliert sind, * verdoppeln Sie * im Wesentlichen die Wirkung der ursprünglichen Variablen auf die Varianz, die sie in den Hauptkomponenten erklären. (* Nicht unbedingt doppelt - der Betrag des Effekts hängt von der Korrelation zwischen der ursprünglichen und der neuen Variablen ab. Sie werden jedoch im Wesentlichen die Auswirkung der ursprünglichen Variablen erhöhen, um herauszufinden, welche Hauptkomponenten die Mehrheit der Varianz in Ihrem Variablensatz erklären.)
Weitere Informationen über den statistischen Effekt des Einbeziehens korrelierter Variablen (was eines der Anliegen von avariable wie R = A / B ist, das durch Kenntnis von A und B vollständig identifiziert wird) in einer PCA finden Sie durch die Online-Suche nach etwas wie "können" verwenden Sie in pca stark korrelierte Variablen? "
Im Allgemeinen ist die Verwendung einer Kombination von Variablen, die Funktionen voneinander sind (dh wenn wir A und B kennen, genau wissen, dass R = A / B bekannt ist), ist dies in einem statistischen Modell keine gute Idee. Methoden, die nicht von einem zugrundeliegenden statistischen Verteilungsmodell abhängen, können wie baumbasierte Methoden immer noch zusätzliche Variablen wie Ihre Ratio-Variable berücksichtigen. Sie könnten auch die Verwendung einer statistischen Modellierungsmethode wie der bestraften Regression (z. B. LASSO) in Betracht ziehen, um zu entscheiden, welche Version der korrelierten Variablen für Ihre PCA verwendet werden soll.
