1楼：匿名用户
7、6、5表示的是矩阵的列数，例如d(:,7)表示的就是矩阵d的第七列的所有元素所组成的向量。
利用matlab 进行主成分分析时如何获得主成分得分矩阵，或者获得主成分得分矩阵的调用函数是什么啊1 10
2楼：
在软件matlab中实现主成分分析可以采取两种方式实现：一是通过编程来实现；二是直接调用matlab中自带程序实现。
通过直接调用matlab中的程序可以实现主成分分析：
式中：x为输入数据矩阵
（一般要求n>m）
输出变量：
①pc 主分量fi的系数，也叫因子系数；注意：pctpc=单位阵
②score是主分量下的得分值；得分矩阵与数据矩阵x的阶数是一致的；
③variance是score对应列的方差向量，即a的特征值；容易计算方差所占的百分比
percent-v = 100*variance/sum(variance);
④t2表示检验的t2-统计量（方差分析要用）
计算过程中应用到计算模型:
(要求p 例：表1为某地区农业生态经济系统各区域单元相关指标数据，运用主成分分析方法可以用更少的指标信息较为精确地描述该地区农业生态经济的发展状况。 表1 某农业生态经济系统各区域单元的有关数据 样本序号 x1：人口密度(人/km2) x 2：人均耕地面积(ha) x 3： 森林覆盖率(%) x 4：农民人均纯收入(元/人) x 5：人均粮食产量 (kg/人) x 6： 经济作物占农作物播面比例(％) x 7：耕地占土地面积比率(％) x 8：果园与林地面积之比(％) x 9： 灌溉田占耕地面积之比(％) 1 363.912 0.352 16.101 192.11 295.34 26.724 18.492 2.231 26.262 2 141.503 1.684 24.301 1 752.35 452.26 32.314 14.464 1.455 27.066 3 100.695 1.067 65.601 1 181.54 270.12 18.266 0.162 7.474 12.489 4 143.739 1.336 33.205 1 436.12 354.26 17.486 11.805 1.892 17.534 5 131.412 1.623 16.607 1 405.09 586.59 40.683 14.401 0.303 22.932 6 68.337 2.032 76.204 1 540.29 216.39 8.128 4.065 0.011 4.861 7 95.416 0.801 71.106 926.35 291.52 8.135 4.063 0.012 4.862 8 62.901 1.652 73.307 1 501.24 225.25 18.352 2.645 0.034 3.201 9 86.624 0.841 68.904 897.36 196.37 16.861 5.176 0.055 6.167 10 91.394 0.812 66.502 911.24 226.51 18.279 5.643 0.076 4.477 11 76.912 0.858 50.302 103.52 217.09 19.793 4.881 0.001 6.165 12 51.274 1.041 64.609 968.33 181.38 4.005 4.066 0.015 5.402 13 68.831 0.836 62.804 957.14 194.04 9.110 4.484 0.002 5.790 14 77.301 0.623 60.102 824.37 188.09 19.409 5.721 5.055 8.413 15 76.948 1.022 68.001 1 255.42 211.55 11.102 3.133 0.010 3.425 16 99.265 0.654 60.702 1 251.03 220.91 4.383 4.615 0.011 5.593 17 118.505 0.661 63.304 1 246.47 242.16 10.706 6.053 0.154 8.701 18 141.473 0.737 54.206 814.21 193.46 11.419 6.442 0.012 12.945 19 137.761 0.598 55.901 1 124.05 228.44 9.521 7.881 0.069 12.654 20 117.612 1.245 54.503 805.67 175.23 18.106 5.789 0.048 8.461 21 122.781 0.731 49.102 1 313.11 236.29 26.724 7.162 0.092 10.078 对于上述例子，matlab进行主成分分析，可以得到如下结果。 ① 以及每一个主成分的贡献率和累计贡献率，如表2和图1。 表2. 特征根及主成分贡献率 主成分 特征值 贡献率％ 累积贡献率％ 1 4.661 51.791 51.791 2 2.089 23.216 75.007 3 1.043 11.589 86.596 4 0.507 5.638 92.234 5 0.315 3.502 95.736 6 0.193 2.140 97.876 7 0.114 1.271 99.147 8 4.533e-02 0.504 99.650 9 3.147e-02 0.350 100.000 图1 特征根 ② 前3几个主成分的载荷系数如表3所示。 表3 前三个主成分在原变量上的载荷 前三个主成分 变量 1 2 3 x1 0.158 -0.255 -0.059 x2 0.026 0.424 -0.027 x3 -0.207 0.046 0.091 x4 0.009 0.415 0.036 x5 0.174 0.212 -0.011 x6 0.176 0.086 0.120 x7 0.200 -0.064 -0.241 x8 0.042 -0.048 0.930 x9 0.207 -0.012 0.088 1楼 中地数媒 pca是一种广泛应用的降维分析技术，由pca建立的新坐标空间是原模式空间的线性变换，且用一组正交基依次反映了空间的最大分散特征。pca和因子分析的差别在于 pca是用最少个数的主成分占有最大的总方差，而因子分析是用尽可能少的公共因子最优地解释各个变量之间的相互关系。 设有n个观察样本... 1楼 匿名用户 因子分析法和主成分分析法都是降维处理多变量的回归问题 不同意楼上的说法 不是包含的关系 另外主成分分析法在spss中没有办法直接实现 是通过因子分析来构建模型的 它们的区别还是模型构建体系不一样 因子分析是 f ax 主成分分析则是用特征根向量求出的矩阵算出因子得分 与因子分析直接得... 1楼 1 价值链分析的基础是价值，其重点是价值活动分析。 2 价值活动可分为两种活动 基本活动和辅助活动。 3 价值链列示了总价值。 4 价值链的整体性。 5 价值链的异质性。 价值链分析主要包括哪些价值链分析 2楼 价值链分析法由波特首先提出，它将基本的原材料到最终用户之间的价值链分解成与战略相关...主成分分析（PCA）简介,主成分分析（PCA）的主要作用是什么呢？
spss中可以做主成分分析和因子分析吗
价值链分析的构成及特点包括哪些,价值链分析主要包括哪些价值链分析