我目前有5个特征变量，其中有3个具有强正线性相关（相关系数大于0.9），一个是强负相关(-0.93),还有一个是弱相关(0.32)。据此，我想用只用两个特征变量来研究，其中一个来自强相关的，另一个是弱相关的量。
但希望通过PCA来增加说服力，而PCA的结果显示，也需要用前两主成份才能有较好描述能力。
现在我想通过计算5个特征变量与PCA各主成份的相关系数，来说明我只用上述所述的两个原特征变量是可行且和合理的。

代码如下：

In [274]: X4 = np.array([vst,pist,pfst,dpst,dtst]).T
     ...: pca = PCA(n_components=len(X4[0,:]))
     ...: newX4 = pca.fit_transform(X4)
     ...: print(pca.explained_variance_ratio_)
输出结果：[7.47001066e-01 2.00961585e-01 4.05419934e-02 1.14953559e-02 1.12435526e-32]

问题是：已经标准化的vst与第一主成份的关联系数，能这样计算吗？（英文有很多类似问题，但感觉回答都有些不太清楚，比如：https://stats.stackexchange.com/questions/253718/correlation-between-an-original-variable-and-a-principal-component。不知道我这种直接的计算方法有什么问题？）
In [275]: np.corrcoef(vst,newX4[:,0])
Out[275]:
array([[ 1.        , -0.97814345],
       [-0.97814345,  1.        ]])

vst与第二主成份的关联系数为
In [276]: np.corrcoef(vst,newX4[:,1])
Out[276]:
array([[1.        , 0.01328437],
       [0.01328437, 1.        ]])

而pfst(与vst弱相关)与第1，2主成份关联系数如下：
In [277]: np.corrcoef(pfst,newX4[:,0])
Out[277]:
array([[ 1.        , -0.25328476],
       [-0.25328476,  1.        ]])

In [278]: np.corrcoef(pfst,newX4[:,1])
Out[278]:
array([[ 1.        , -0.96720554],
       [-0.96720554,  1.        ]])
补充问题：如果如上关联系数计算没有问题，那么可否通过这些关联系数，说明我选择vst,pfst来进一步研究是合理的？

谢谢！
--
FROM 218.68.227.*