主成分分析

一 主成分分析的概念（英语：Principal components analysis，简称PCA）

模板:右侧信息框是一种统计分析、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）。

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

建议前往决策链BBS论坛的专题页面获取更多的使用经验。 点此链接