查看“主成分分析”的源代码

== '''一 主成分分析的概念'''（英语：Principal components analysis，简称PCA）                                                                                                                                                                       ==
{{右侧信息框
| 所属目录 = 多元分析
| 类型 = 分析方法
| 上一节 = [[最大似然因子分析]]
| 下一节 = [[多重对应分析]]
}}是一种统计分析、简化数据集的方法。它利用正交变换来对一系列可能相关的变量的观测值进行线性变换，从而投影为一系列线性不相关变量的值，这些不相关变量称为主成分（Principal Components）。具体地，主成分可以看做一个线性方程，其包含一系列线性系数来指示投影方向。PCA对原始数据的正则化或预处理敏感（相对缩放）。

=== 1.1 '''基本思想：''' ===






== '''二 在决策链Web版中的操作指南''' ==

=== 2.1 网页端版本 ===
1）点击数据分析板块

2) 分析方法中：

* 所属模块选择: 正态性检验
* 直接选择或搜索选择：方差分析

3）变量选择界面：

* 变量选择：Y (连续型，选择多个变量可做多个方差分析）；
* 分组变量选择：A (连续型/离散型,选择一个做one-way)；
* 分层变量选择：B(连续型/离散型,选择一个做two-way; 留空则做one-way)

4）提交分析，生成结果压缩包或PDF。

=== 2.2 PC版本 ===
开发中

== '''三 使用建议''' ==
建议前往统计员BBS论坛的专题页面获取更多的使用经验。 点此链接