CCA分析图如何解读_如何解读 SIMCA 主成分分析（PCA）的结果？

现在越来越多的同学在使用 SIMCA 软件来进行主成分分析了，这个软件的好处就是可视化界面方便，出图也还可以。但是也遇到很多同学不太理解得到的一些结果，所以这里我就以自己的一些经验和查询的资料来帮大家入个门吧！！

主成分也许不是你想象中的那个主成分

在最开始接触到主成分分析（Principal Component Analysis）的时候，我想很多同学都和我有一个疑问：主成分分析，到底那一个是主成分？我最开始也是这样的去理解，以为是从众多的变量（指标）中去挑选一个“主成分”。

然而实际却并不是这样的，其实这里的主成分，不是要从我们已经测量得到的变量中选择一个，而是我们要“从众多的变量中拟合出尽可能代替众多变量的“变量”"，即实现从“多”到“少”过程，也就是大家经常听说的“降维”。这里的“维”，可以看成我们实验中的变量，也就是你测定的指标，比如说代谢组里面不同的代谢物，一株植物不同的农艺性状，样品中的元素含量等等。

这里从网上找了一张图片来表示。在图A中，要表示左下角和右上角两处差异较大的数据，我们就需要 X-Y 两个坐标来表示，而当我们把图A中的 X-Y 坐标轴旋转到图示的 PC1和 PC2 时，就得到了图B，在图B中，只需要 X 轴的坐标就能够表示出数据之间的差异。这就是主成分分析，而在实际运用中，变量更多，所以更复杂一些，但整体的原理是类似的。

图 1 降维的基本思路

---

SIMCA 中 PCA 结果参数解读

我们这里用 R 包 factoextra 中自带的数据 decathlon2，然后我们取前23行和前10列在 SIMCA 软件中进行分析说明。

把数据导入后直接用默认参数来分析，默认参数给出项目概览结果如下：