文档介绍：(1).p   功能:主成分分析   格式:PC=p(X)         [PC,SCORE,latent,tsquare]=p(X)   说明:[PC,SCORE,latent,tsquare]=p(X)对数据矩阵X进行主成分分析,给出各主成分(PC)、所谓的Z-得分(SCORE)、X的方差矩阵的特征值(latent)和每个数据点的HotellingT2统计量(tsquare)。(2).pcacov   功能:运用协方差矩阵进行主成分分析   格式:PC=pcacov(X)         [PC,latent,explained]=pcacov(X)   说明:[PC,latent,explained]=pcacov(X)通过协方差矩阵X进行主成分分析,返回主成分(PC)、协方差矩阵X的特征值(latent)和每个特征向量表征在观测量总方差中所占的百分数(explained)。(3).pcares   功能:主成分分析的残差   格式:residuals=pcares(X,ndim)   说明:pcares(X,ndim)返回保留X的ndim个主成分所获的残差。注意,ndim是一个标量,必须小于X的列数。而且,X是数据矩阵,而不是协方差矩阵。主成分分析方法(举例)(2008-04-2621:41:50)标签:杂谈 分类:)实例1:流域系统的主成分分析(张超,1984)(点击显示该表)给出了某流域系统57个流域盆地的9项变量指标。其中,x1代表流域盆地总高度(m),x2代表流域盆地山口的海拔高度(m),x3代表流域盆地周长(m),x4代表河道总长度(m),x5代表河道总数,x6代表平均分叉率,x7代表河谷最大坡度(度),x8代表河源数,x9代表流域盆地面积(km2)。注:表中数据详见书本87和88页。(1)分析过程:①,然后将它们代入相关系数公式计算,得到相关系数矩阵()。②由相关系数矩阵计算特征值,以及各个主成分的贡献率与累计贡献率()。,第一,第二,%,故只需求出第一、第二、第三主成分z1,z2,z3即可。z3上的载荷()。(2)结果分析:▲第一主成分z1与x1,x3,x4,x5,x8,x9有较大的正相关,可以看作是流域盆地规模的代表;▲第二主成分z2与x2有较大的正相关,与x7有较大的负相关,分可以看作是流域侵蚀状况的代表;▲第三主成分z3与x6有较大的正相关,可以看作是河系形态的代表;▲根据主成分载荷,该流域系统的9项要素可以被归纳为三类,即流域盆地的规模,流域侵蚀状况和流域河系形态。如果选取其中相关系数绝对值最大者作为代表,则流域面积、流域盆地出口的海拔高度和分叉率可作为这三类要素的代表。主成分分析法   主成分分析也称主分量分析,旨在利用降维的思想,把多指标转化为少数几个综合指标。在实证问题研究中,为了全面、系统地分析问题,我们必须考虑众多影响因素。这些涉及的因素一般称为指标,在多元统计分析中也称为变量。因为每个变量都在不同程度上反映了所研究问题的某些信息,并且指标之间彼此有一定的相关性,因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问