PCR负、正负荷和回归系数

PCR负、正负荷和回归系数,r,linear-regression,pca,R,Linear Regression,Pca,我正在研究主成分回归。我的数据集由150个变量和60个观察值组成。我知道我应该有更多的观察,而不是变量。我在数据集上使用了PCA。我通过主成分分析得到了9个因子。某些因素包括具有正荷载和负荷载的变量。之后,我对因子得分和因变量进行了多元回归分析。正回归系数和负回归系数也出现在那里。我的问题是,如何在正负组合中实现因子负荷和回归系数 例如:因子1的回归系数为-0.17,其中var1因子加载为0.4,var3因子加载为-0.3,var7因子加载为-0.22。因子2的回归系数为0.28,变量2因子加载

我正在研究主成分回归。我的数据集由150个变量和60个观察值组成。我知道我应该有更多的观察,而不是变量。我在数据集上使用了PCA。我通过主成分分析得到了9个因子。某些因素包括具有正荷载和负荷载的变量。之后,我对因子得分和因变量进行了多元回归分析。正回归系数和负回归系数也出现在那里。我的问题是,如何在正负组合中实现因子负荷和回归系数

例如:因子1的回归系数为-0.17,其中var1因子加载为0.4,var3因子加载为-0.3,var7因子加载为-0.22。因子2的回归系数为0.28,变量2因子加载为-0.21,变量3因子加载为0.4,变量6因子加载为-0.3

我的目标是创建包含150个变量的组,给这些组起一个名称,并能够解释哪些组导致y值较高或较低。我想知道这些组的变量是增加还是减少。 到目前为止,我已经标准化了我的x变量。我测试了并行分析和PCA应用于以下代码时必须使用多少因素:

nipals (xVars, a = 9)
scores <- (nipals (xVars, a = 9) $ T)
loadings <- (nipals (xVars, a = 9) $ P)
系数荷载:

    F1  F2  F3  F4
1   0,10    0,07    0,16    0,08
2   0,05    -0,03   -0,01   -0,22
3   0,14    0,06    0,05    0,01
4   0,12    -0,08   -0,01   -0,03
5   0,12    -0,12   -0,03   0,07

请提供一小部分数据以及最终结果。别忘了展示你迄今为止所做的努力以及你遇到的困难。谢谢。我已经把它添加到了我的问题中,但不知道如何在其中放入一些数据。可能所有可能的传输数据的方法都已描述。谢谢!我已经用数据编辑了我的问题(:
    F1  F2  F3  F4
1   0,10    0,07    0,16    0,08
2   0,05    -0,03   -0,01   -0,22
3   0,14    0,06    0,05    0,01
4   0,12    -0,08   -0,01   -0,03
5   0,12    -0,12   -0,03   0,07