该帮助的版本不再更新，请参见https://www.jmp.com/support/help/zh-cn/15.2 获取最新的版本.


多元方法 • 主成分 • “主成分”报表
上一个
 • 
下一个
“主成分”报表
若选定了“宽”和“稀疏”之外的任何估计方法，则最初显示的是“主成分: 基于相关性”报表。（若从“主成分”红色小三角菜单中为“主成分”选项选择“基于协方差”或“基于未统一尺度”，该报表的标题将随之更改。）
若您选择“宽”方法，则出现“宽主成分”报表。若您选择“稀疏”方法，则出现“稀疏主成分”报表。
初始“主成分”报表是基于相关性的分析。该报表使用主成分汇总了指定 Y 变量的变异。请参见图 4.4。通过从红色小三角菜单中选择“主成分”选项，您可以切换到基于协方差矩阵或未统一尺度数据的分析。
根据您的选择，主成分可以由以下任一矩阵的特征值分解推导得出：
•
相关性矩阵
•
协方差矩阵
•
未统一尺度和未中心化数据的平方和与叉积矩阵
报表中的详细信息显示主成分如何吸收数据变异。主成分点从变量的特征向量线性组合推导得出。
图 4.4 “主成分: 基于相关性”报表
该报表提供特征值和一个条形图，图中显示了每个主成分所解释的变异百分比。同时还有一个“得分图”和一个“载荷图”。特征值指示基于每个成分贡献的方差量提取的总成分数。
“得分图”绘制每个成分相对于其他成分的计算值，按照均值和标准差调整了每个值。
“载荷图”绘制变量与成分之间的未旋转载荷矩阵。值越接近 1，成分对变量的影响越大。
默认情况下，报表为前两个主成分显示“得分图”和“载荷图”。使用“选择成分”旁边的列表指定在“得分图”和“载荷图”上绘制的主成分。