Un componente principal es una combinación lineal ponderada de todos sus factores (X).
ejemplo: PC1 = 0.1X1 + 0.3X2
Habrá un componente para cada factor (aunque en general se selecciona un número pequeño).
Los componentes se crean de tal manera que tienen correlación cero (son ortogonales), por diseño.
Por lo tanto, el componente PC1 no debe explicar ninguna variación en el componente PC2.
Es posible que desee hacer una regresión en su variable Y y la representación PCA de sus X, ya que no tendrán multicolinealidad. Sin embargo, esto podría ser difícil de interpretar.
Si tiene más X que observaciones, lo que rompe los MCO, puede retroceder en sus componentes y simplemente seleccionar un número menor de los componentes de mayor variación.
Análisis de componentes principales de Jollife, un libro muy profundo y muy citado sobre el tema
Esto también es bueno: http://www.statsoft.com/textbook/principal-components-factor-analysis/
r
etiqueta y qué quieres decir con "por qué esto es así"? Las PC no están correlacionadas, es decir, son ortogonales, aditivas, no se puede predecir una PC con la otra. ¿Estás buscando una fórmula?