主成分回归

Template:回归侧栏 统计学中，主成分回归（PCR）是一种基于主成分分析（PCA）的回归分析方法。更确切地说，PCR用于估计标准线性回归模型中的未知参数。

PCR不是直接将因变量与解释变量进行回归，而是将解释变量的主成分作为回归量。一般只使用所有主成分的一个子集用于回归，因此PCR是一种正则化过程，也是一种收缩估计量。

方差更高的主成分（基于解释变量样本方差-协方差矩阵对应更大特征值的特征向量）被选为回归量。不过，要预测结果，低方差的主成分可能也很重要，在某些情况下甚至更重要。

PCR的主要用途之一是克服多重共线性问题，这是说多个解释变量接近共线。PCR可在回归步骤中排除一些低方差主成分，从而恰当地处理这种情况。另外，由于通常只对所有主成分的一个子集进行回归，PCR可大幅降低基础模型的参数数，从而降维。这在使用高维协变量时尤为有用。通过适当选择用于回归的主成分，PCR还可根据假定模型有效地预测输出。

原理

PCR法可总结为三步：

1. $$对解释变量的测得设计矩阵进行PCA，得到主成分，然后（通常）根据一些适当标准，从获得的主成分中选择子集，供进一步使用。

2. $$用普通最小二乘法，在选定主成分上线性回归输出的测得向量，得到估计回归系数向量（维数等于选定的主成分数）。

3. $$用PCA负载（与选定主成分对应的特征向量）将该向量变换回实际协变量标量，得到最终PCR估计量（维数等于协变量总数），以估计表征原始模型的回归系数。

方法细节

数据表示：令${𝐘}_{n\times 1}={(y_1,\dots ,y_n)}^T$表示观测的输出，${𝐗}_{n\times p}={({𝐱}_1,\dots ,{𝐱}_n)}^T$表示测得协变量对应的设计矩阵，其中$n$、$p(n\ge p)$表示测得样本的大小和协变量数量。$𝐗$的每行$n$表示$p$维协变量的一组观测值，$𝐘$的相应项表示相应的观测结果。

数据预处理：假设$𝐘$及$𝐗$的$p$列已经中心化，经验均值均为0。中心化这步至关重要（至少对$𝐗$的列而言），因为PCR将对$𝐗$使用的PCA on $𝐗$对数据是否中心化十分敏感。

基础模型：在中心化之后，对$𝐗$上的$𝐘$的标准高斯-马尔可夫线性回归模型可表为：$𝐘=𝐗\mathit{\beta }+\mathit{\epsilon },$其中$\mathit{\beta }\in {ℝ}^p$表示回归系数的未知参数向量，$\mathit{\epsilon }$表示随机误差向量，$\mathrm{E}\left(\mathit{\epsilon }\right)=\mathrm{𝟎}$、$\mathrm{Var}\left(\mathit{\epsilon }\right)={\sigma }^2{I}_{n\times n}$则表示未知方差参数${\sigma }^2>0$

目标：主要目标是根据数据，为参数$\mathit{\beta }$获得有效估计量$\hat{\mathit{\beta }}$。一种常用方法是普通最小二乘法，假设$𝐗$的列满秩，从而有$\mathit{\beta }$的无偏估计量：${\hat{\mathit{\beta }}}_{\mathrm{o}\mathrm{l}\mathrm{s}}=({𝐗}^T𝐗{)}^{-1}{𝐗}^T𝐘$。PCR是另一种估计$\mathit{\beta }$的方法。

PCA步骤：PCR首先要对中心化矩阵$𝐗$进行PCA。为此，令$𝐗=U\mathrm{\Delta }{V}^T$表示$𝐗$的奇异值分解，其中${\mathrm{\Delta }}_{p\times p}=\mathrm{diag}[{\delta }_1,\dots ,{\delta }_p]({\delta }_1\ge \cdots \ge {\delta }_p\ge 0)$表示$𝐗$的非负奇异值，$U_{n\times p}=[{𝐮}_1,\dots ,{𝐮}_p]$、$V_{p\times p}=[{𝐯}_1,\dots ,{𝐯}_p]$都是正交规范集向量，列向量分别表示$𝐗$的左右奇异向量。

主成分：$V\mathrm{\Lambda }{V}^T$给出了${𝐗}^T𝐗$的谱分解，其中${\mathrm{\Lambda }}_{p\times p}=\mathrm{diag}[{\lambda }_1,\dots ,{\lambda }_p]=\mathrm{diag}[{\delta }_1^2,\dots ,{\delta }_p^2]={\mathrm{\Delta }}^2({\lambda }_1\ge \cdots \ge {\lambda }_p\ge 0)$表示${𝐗}^T𝐗$的非负特征值（也叫做主值），$V$的列则表示对应的特征向量的正交规范集。接着，$𝐗{𝐯}_j$、${𝐯}_j$分别表示第$j$个主成分与跟第$j$大的主成分值$\mathrm{\forall }j\in \{1,\dots ,p\}{\lambda }_j$ 相对应的第$j$个主成分方向（或PCA负载）。

衍生协变量：$\mathrm{\forall }k\in \{1,\dots ,p\}$，记$V_k$为$p\times k$矩阵，其正交列包含$V$的前$k$列。记$W_k=𝐗V_k=[𝐗{𝐯}_1,\dots ,𝐗{𝐯}_k]$为以前$k$个主成分为列的$n\times k$矩阵。$W$可看做是用变换后的协变量${𝐱}_i^k=V_k^T{𝐱}_i\in {ℝ}^k$得到的设计矩阵，而非原始协变量${𝐱}_i\in {ℝ}^p\mathrm{\forall }1\le i\le n$。

PCR估计量：记${\hat{\gamma }}_k=(W_k^T{W}_k{)}^{-1}{W}_k^T𝐘\in {ℝ}^k$表示 响应向量$𝐘$在设计矩阵$W_k$上用普通最小二乘法得到的估计回归系数向量。那么，$\mathrm{\forall }k\in \{1,\dots ,p\}$都有基于前$k$个主成分的$\mathit{\beta }$的最终PCR估计量：${\hat{\mathit{\beta }}}_k=V_k{\hat{\gamma }}_k\in {ℝ}^p$

PCR估计量的基本特征与应用

两个基本性质

得到PCR估计量的拟合过程包括将响应向量在导出设计矩阵$W_k$上回归。后者$\mathrm{\forall }k\in \{1,\dots ,p\}$都有正交列，因为主成分互相正交。因此在回归中，对作为协变量的$k$个选定主成分联合进行多元线性回归，相当于对作为协变量的$k$个选定主成分分别进行独立单变量线性回归。

当选择所有主成分回归（$k=p$），PCR估计量便等同于普通最小二乘法估计量。因此${\hat{\mathit{\beta }}}_p={\hat{\mathit{\beta }}}_{\mathrm{o}\mathrm{l}\mathrm{s}}$。从$W_p=𝐗V_p=𝐗V$和$V$是正交矩阵的观测事实，不难看出这点。

方差降低

$\mathrm{\forall }k\in \{1,\dots ,p\}$，${\hat{\mathit{\beta }}}_k$的方差由下式给出：

$\mathrm{Var}({\hat{\mathit{\beta }}}_k)={\sigma }^2{V}_k(W_k^T{W}_k{)}^{-1}{V}_k^T={\sigma }^2{V}_k\mathrm{diag}({\lambda }_1^{-1},\dots ,{\lambda }_k^{-1})V_k^T={\sigma }^2\sum _{j=1}^k\frac{{𝐯}_j{𝐯}_j^T}{{\lambda }_j}.$

特别地：

$\mathrm{Var}({\hat{\mathit{\beta }}}_p)=\mathrm{Var}({\hat{\mathit{\beta }}}_{\mathrm{o}\mathrm{l}\mathrm{s}})={\sigma }^2\sum _{j=1}^p\frac{{𝐯}_j{𝐯}_j^T}{{\lambda }_j}.$

因此$\mathrm{\forall }k\in \{1,\dots ,p-1\}$都有：

$\mathrm{Var}({\hat{\mathit{\beta }}}_{\mathrm{o}\mathrm{l}\mathrm{s}})-\mathrm{Var}({\hat{\mathit{\beta }}}_k)={\sigma }^2\sum _{j=k+1}^p\frac{{𝐯}_j{𝐯}_j^T}{{\lambda }_j}.$

因此$\mathrm{\forall }k\in \{1,\dots ,p\}$都有：

$\mathrm{Var}({\hat{\mathit{\beta }}}_{\mathrm{o}\mathrm{l}\mathrm{s}})-\mathrm{Var}({\hat{\mathit{\beta }}}_k)⪰0$

其中$A⪰0$，表明对称方阵$A$是非负定的。于是，与普通最小二乘估计的线性形式相比，任何给定PCR估计量的线性形式都有更低的方差。

解决多重共线性问题

多重共线性条件下，指多个协变量高度相关，因此可从其他协变量以非平凡的精度进行线性预测。因此，设计矩阵$𝐗$与这些协变量对应的列趋于线性相关，于是$𝐗$趋于秩亏，失去列满秩结构。更定量地讲，这时${𝐗}^T𝐗$的较小特征值会非常接近$0$。上述方差表达式表明，极小特征值对最小二乘估计量产生最大的方差扩大效应，因此在接近0时会严重破坏估计量的稳定性。这可以通过排除极小特征值对应的主成分得到的PCR估计，得到有效解决。

降维

PCR也可用于降维：记$L_k$为任意列正交的$p\times k(\mathrm{\forall }k\in \{1,\dots ,p\})$矩阵。假设现在我们想通过秩$k$线性变换$L_k{𝐳}_i$（${𝐳}_i\in {ℝ}^k(1\le i\le n)$）来近似每个协变量观测值${𝐱}_i$，那么可以证明

$\sum _{i=1}^n{\Vert {𝐱}_i-L_k{𝐳}_i\Vert }^2$

在$L_k=V_k$（前$k$个主成分方向为列组成的矩阵）和${𝐳}_i={𝐱}_i^k=V_k^T{𝐱}_i$（对应的$k$维衍生协变量）时取最小值。因此$k$维主成分提供了观测设计矩阵$𝐗$的秩为$k$的最佳线性近似，对应的重建误差为

$\sum _{i=1}^n{\Vert {𝐱}_i-V_k{𝐱}_i^k\Vert }^2=\{\begin{array}{cc}\sum _{j=k+1}^n{\lambda }_j& 1⩽k<p\\ 0& k=p\end{array}$

因此，可通过选择$k$值（即要使用的主成分数），通过对${𝐗}^T𝐗$的特征值累积和进行适当阈值处理，实现降维。由于较小特征值对累积和的贡献并不大，因此只要不超过所需的阈值限制，便可放弃相应的主成分。同样标准也可用于解决多重共线性问题：只要保持阈值限制，就可忽略较小特征值对应的主成分。

正则化效应

由于PCR估计量通常只使用一部分主成分进行回归，因此可视作某种正则化。更具体地说，$\mathrm{\forall }1⩽k<p$，PCR估计量${\hat{\mathit{\beta }}}_k$都可表示以下约束最小化问题的正则化解：

$\underset{{\mathit{\beta }}_{*}\in {ℝ}^p}{\min }{\Vert 𝐘-𝐗{\mathit{\beta }}_{*}\Vert }^2\text{ subject to }{\mathit{\beta }}_{*}\perp \{{𝐯}_{k+1},\dots ,{𝐯}_p\}.$

约束可等价写作

$V_{(p-k)}^T{\mathit{\beta }}_{*}=\mathrm{𝟎},$

其中

$V_{(p-k)}={[{𝐯}_{k+1},\dots ,{𝐯}_p]}_{p\times (p-k)}.$

因此，当择一部分主成分回归时，所得PCR估计量是基于硬形式的正则化，将所得解约束在选定主成分方向的列空间，因此限制其与被排除方向正交。

一类正则化估计量中PCR的最优性

给定如上述的约束最小化问题，考虑下面的推广：

$\underset{{\mathit{\beta }}_{*}\in {ℝ}^p}{\min }\Vert 𝐘-𝐗{\mathit{\beta }}_{*}{\Vert }^2\text{ subject to }{L}_{(p-k)}^T{\mathit{\beta }}_{*}=\mathrm{𝟎}$

其中$L_{(p-k)}$表示任何阶为$p\times (p-k)(1⩽k<p)$的列满秩矩阵。令${\hat{\mathit{\beta }}}_L$表示对应的解，则

${\hat{\mathit{\beta }}}_L=\arg \underset{{\mathit{\beta }}_{*}\in {ℝ}^p}{\min }\Vert 𝐘-𝐗{\mathit{\beta }}_{*}{\Vert }^2\text{ subject to }{L}_{(p-k)}^T{\mathit{\beta }}_{*}=\mathrm{𝟎}.$

则约束矩阵$L_{(p-k)}$的最优选择就是相应估计量${\hat{\mathit{\beta }}}_L$达到最小预测误差：

$L_{(p-k)}^{*}=V_{(p-k)}{\mathrm{\Lambda }}_{(p-k)}^{1/2},$

其中

${\mathrm{\Lambda }}_{(p-k)}^{1/2}=\mathrm{diag}({\lambda }_{k+1}^{1/2},\dots ,{\lambda }_p^{1/2}).$

很明显，由此得到的最优估计量${\hat{\mathit{\beta }}}_{L^{*}}$就是基于前$k$个主成分的PCR估计量${\hat{\mathit{\beta }}}_k$。

效率

由于普通最小二乘估计量对$\mathit{\beta }$无偏，所以有

$\mathrm{Var}({\hat{\mathit{\beta }}}_{\mathrm{o}\mathrm{l}\mathrm{s}})=\mathrm{MSE}({\hat{\mathit{\beta }}}_{\mathrm{o}\mathrm{l}\mathrm{s}}),$

其中MSE表示均方误差。现在，若对某个$k\in \{1,\dots ,p\}$，我们还有$V_{(p-k)}^T\mathit{\beta }=\mathrm{𝟎}$，那么对应的${\hat{\mathit{\beta }}}_k$也将是$\mathit{\beta }$的无偏估计量，就有

$\mathrm{Var}({\hat{\mathit{\beta }}}_k)=\mathrm{MSE}({\hat{\mathit{\beta }}}_k).$

我们已经知道

$\mathrm{\forall }j\in \{1,\dots ,p\}:\mathrm{Var}({\hat{\mathit{\beta }}}_{\mathrm{o}\mathrm{l}\mathrm{s}})-\mathrm{Var}({\hat{\mathit{\beta }}}_j)⪰0,$

这就意味着对特定的$k$有：

$\mathrm{MSE}({\hat{\mathit{\beta }}}_{\mathrm{o}\mathrm{l}\mathrm{s}})-\mathrm{MSE}({\hat{\mathit{\beta }}}_k)⪰0$

所以，用均方误差为标准的话，对应的${\hat{\mathit{\beta }}}_k$是比${\hat{\mathit{\beta }}}_{\mathrm{o}\mathrm{l}\mathrm{s}}$更有效的$\mathit{\beta }$的估计量。另外，与${\hat{\mathit{\beta }}}_{\mathrm{o}\mathrm{l}\mathrm{s}}$的相同线性形式相比，对应${\hat{\mathit{\beta }}}_k$的任何给定线性形式的均方误差也更小。 现在假设，对给定的$k\in \{1,\dots ,p\},V_{(p-k)}^{\mathit{\beta }}\ne \mathrm{𝟎}$，那么对应的${\hat{\mathit{\beta }}}_k$对$\mathit{\beta }$就是有偏的。但由于

$\mathrm{\forall }k\in \{1,\dots ,p\}:\mathrm{Var}({\hat{\mathit{\beta }}}_{\mathrm{o}\mathrm{l}\mathrm{s}})-\mathrm{Var}({\hat{\mathit{\beta }}}_k)⪰0,$

$\mathrm{MSE}({\hat{\mathit{\beta }}}_{\mathrm{o}\mathrm{l}\mathrm{s}})-\mathrm{MSE}({\hat{\mathit{\beta }}}_k)⪰0$仍然是可能的，尤其是当$k$使被排除主成分对应较小特征值时，从而导致较小的偏。

为确保PCR作为$\mathit{\beta }$估计值的效率与性能，Park (1981) 提出了以下用于回归的主成分选择标准：当且仅当${\lambda }_j<(p{\sigma }^2)/{\mathit{\beta }}^T\mathit{\beta }$时，排除第$j$个主成分。在实际应用中，还需要估计未知的模型参数${\sigma }^2$与$\mathit{\beta }$。总的来说，可以用从原始完整模型得到的无约束最小二乘法进行估计。Park (1981)提供了一套稍加修改的估计值，可能更适合这一目的。

与基于${𝐗}^T𝐗$特征值累积和的标准不同，上述标准可能更适合解决多重共线性问题与降维，实际上是试图让输出和协变量都参与到回归的主成分选择之中，以提高PCR估计值的预测与估计效率。其他目的相似的选择主成分方法基于交叉验证，或马洛斯CP值等。通常，主成分的选择还基于其与输出的相关程度。

PCR的收缩效应

总的来说，PCR本质上是收缩估计量，通常保留了高方差主成分（对应${𝐗}^T𝐗$的较大特征值）作为模型中的协变量，并舍弃剩余的低方差成分（对应${𝐗}^T𝐗$的较小特征值）。这就对低方差成分产生了分离收缩，清除了其在原始模型中的贡献。相对地，岭回归估计量则通过其构造中固有的正则化参数，产生平滑收缩。虽然它不会舍弃任何一个成分，但会以连续的方式对所有成分产生收缩效应，因此低方差成分的收缩程度高于高方差成分。Frank & Friedman (1993)认为，就预测本身而言，与具有离散收缩效应的PCR估计量相比，岭估计量具有平滑收缩效应，可能是更好的选择。

此外，主成分是从$𝐗$的特征分解中得到的，只涉及解释变量的观测值。因此，以这些主成分为协变量得到的PCR估计量不一定具有令人满意的预测性能。偏最小二乘回归（PLS）估计量与之比较相似，试图通过自身的构造解决这问题。PLS也用低维的衍生协变量，但是在输出和协变量中获得的。PCR在协变量空间中寻找高方差方向，而PLS则寻找对预测结果最有用的方向。

2006年，有人提出了经典PCR的一种变体，即监督PCR。这种方法的精神与PLS类似，试图根据结果和协变量标准，获得低维衍生协变量。首先进行简单线性回归（单变量回归），其中结果向量分别对$p$个协变量逐一回归。然后，对某个$m\in \{1,\dots ,p\}$，选择与结果最相关的$m$个协变量（基于对应估计回归系数的显著程度）供进一步使用。然后进行上述传统PCR，但只基于与选定协变量观测值对应的$n\times m$设计矩阵。使用的协变量数：$m\in \{1,\dots ,p\}$及随后使用的主成分数：$k\in \{1,\dots ,m\}$一般通过交叉验证选择。

核设置的推广

上述经典PCR法基于经典PCA，并考虑了根据协变量的线性回归结果预测模型。这方法可以很容易地推广到核机设置，即回归函数不一定是协变量的线性函数，而可以属于与任意（可以非线性）对称正定核有关的再⽣核希尔伯特空间。核函数选为线性核时便有线性回归模型，是这种设置的特例。

总的来说，在核机设置下，协变量向量首先被映射到所选核函数的高维（可能是无限维）特征空间中。这样得到的映射叫做特征映射，每个坐标（也叫做特征元）对应协变量的一个特征（无所谓线性与否）。然后，假设回归函数是这些特征元的线性组合，则核机设置依赖的回归模型本质上是线性的，但前提是预测量不再是原始协变量集，而由特征映射所得协变量的特征元的向量（可能是无限维）给出。 但核技巧实际上可以让我们在特征空间中操作，而无需明确计算特征映射。事实证明，只需计算观测协变量向量的特征映射之间的逐对内积即可，是由在相应协变量向量对上估值的核函数值简单给出的。因此，得到的逐对内积可用$n\times n$对称非负定矩阵（也称为核矩阵）表示。 核机设置中的PCR现在可用以下方式实现：首先将核矩阵（如K）相对于特征空间适当中心化，再对中心化核矩阵（如K'）进行核主成分分析，得到K'的特征分解。然后，核PCR（通常）会从获得的所有特征向量中（一般通过交叉验证）选择一子集，在其上进行结果向量的标准线性回归。估计的回归系数（维度与选定特征向量数相同）与响应所选特征向量一起用于预测未来的观测结果。机器学习中，这技巧也被称为“谱回归”。

显然，核PCR对K'的特征向量具有离散收缩，与前面讨论过的经典PCR对主成分的离散收缩十分相似。然而，与核相关的特征映射可能是无限维的，因此相应的主成分及其方向也可能是无限维的。所以，在核机设置下，这些量实际上往往难以处理。核PCR基本上是基于相关核矩阵的谱分解，以考虑等效的对偶表述，来解决这一问题。在线性回归模型下（对应于选择核函数为线性核），这相当于考虑对应的$n\times n$核矩阵$𝐗{𝐗}^T$的谱分解，然后将结果向量回归到得到的$𝐗{𝐗}^T$的选定特征向量子集上。很容易看出，这等同于将结果向量回归到相应主成分上（这时是有限维），正如经典PCR定义的那样。因此，对线性核，基于对偶表示的核PCR完全等同于基于原始公式的经典PCR。然而，对任意（可能非线性）核，由于相关特征映射可能的无限维，这种原始公式可能会变得难以处理。因此，这时经典PCR实际上不可行，但基于对偶表示的核PCR仍有效，且在计算上可推广。

另见

• 主成分分析
• 偏最小二乘回归
• 吉洪诺夫正则化
• 典型相关
• 戴明回归
• 平方总和

阅读更多

• Template:Cite book
• Template:Cite book