如何比较3组数据，才能理清其中2组数据对第三组数据的影响？

Question

我有这样的 3 组数据：

有工具说去除中最重要的变量是什么？是pH值还是剂量？我在考虑 PCA（主成分分析）但是我有点迷路

Answer 1

这里有一些尝试。

从图中可以清楚地看出，剂量（第 2 列）与去除（第 3 列）的关系比 pH（第 1 列）的关系更密切。

此外，剂量与去除率有 61% 的相关性，而 pH 值只有 -14% 的相关性。

这两个变量在 lm 摘要输出中都没有统计显着性，可能是因为数据量太小。

基于 AIC 的逐步回归选择 Removal ~ Dosage 模型。

（图后续）

matplot(scale(DF), type = "o")

cor(DF)
##                 pH    Dosage    Removal
## pH       1.0000000 0.0000000 -0.1418573  <-- -14%
## Dosage   0.0000000 1.0000000  0.6091517  <-- 61%
## Removal -0.1418573 0.6091517  1.0000000

summary(lm(Removal ~., DF))

## Call:
## lm(formula = Removal ~ ., data = DF)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -15.5556  -7.0556  -4.8889   0.7778  25.7778 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)
## (Intercept)   69.056     39.047   1.769    0.127  
## pH            -2.833      6.362  -0.445    0.672  <-- not significant
## Dosage        12.167      6.362   1.912    0.104  <-- not significant
## 
## Residual standard error: 15.58 on 6 degrees of freedom
## Multiple R-squared:  0.3912,    Adjusted R-squared:  0.1883 
## F-statistic: 1.928 on 2 and 6 DF,  p-value: 0.2257

fm <- step(lm(Removal ~., DF))
## ...snip...

fm
## Call:
## lm(formula = Removal ~ Dosage, data = DF)
## 
## Coefficients:
## (Intercept)       Dosage  
##       52.06        12.17

注：可重现形式的输入数据为：

DF <- structure(list(pH = c(5, 5, 5, 6, 6, 6, 7, 7, 7), Dosage = c(0L, 
1L, 2L, 0L, 1L, 2L, 0L, 1L, 2L), Removal = c(50, 60, 70, 50, 
90, 95, 50, 55, 58)), .Names = c("pH", "Dosage", "Removal"), row.names = c(NA, 
-9L), class = "data.frame")

如何比较3组数据，才能理清其中2组数据对第三组数据的影响？

How to compare a 3 sets of data in order to sort out how 2 of these data influence the third one?

statistics

r

classification

pca