1樓：
analysis-calculus-integrate,自動生成一個worksheet和一個graph，最大值就是積分面積。但這個面積是和x軸之間的面積，也可
版先權基線校正tools-baseline，可先選automatic，create baseline，不合適可modify，再area裡use baseline積分一下
2樓：大豆品種
樓主你會了嗎 我現在也遇到這個問題了
主成分分析法（pca）
3樓：中地數媒
3.2.2.1 技術原理
主成分分析方法（pca）是常用的資料降維方法，應用於多變數大樣本的統計分析當中，大量的統計資料能夠提供豐富的資訊，利於進行規律探索，但同時增加了其他非主要因素的干擾和問題分析的複雜性，增加了工作量，影響分析結果的精確程度，因此利用主成分分析的降維方法，對所收集的資料作全面的分析，減少分析指標的同時，儘量減少原指標包含資訊的損失，把多個變數（指標）化為少數幾個可以反映原來多個變數的大部分資訊的綜合指標。
主成分分析法的建立，假設xi1，xi2，…，xim是i個樣品的m個原有變數，是均值為零、標準差為1的標準化變數，概化為p個綜合指標f1，f2，…，fp，則主成分可由原始變數線性表示：
地下水型飲用水水源地保護與管理：以吳忠市金積水源地為例
計算主成分模型中的各個成分載荷。通過對主成分和成分載荷的資料處理產生主成分分析結論。
3.2.2.2 方法流程
1）首先對資料進行標準化，消除不同量綱對資料的影響，標準化可採用極值法
及標準差標準化法
，其中s＝
（圖3.3）；
圖3.3 方法流程圖
2）根據標準化資料求出方差矩陣；
3）求出共變數矩陣的特徵根和特徵變數，根據特徵根，確定主成分；
4）結合專業知識和各主成分所蘊藏的資訊給予恰當的解釋，並充分運用其來判斷樣品的特性。
3.2.2.3 適用範圍
主成分分析不能作為一個模型來描述，它只是通常的變數變換，主成分分析中主成分的個數和變數個數p相同，是將主成分表示為原始變數的線性組合，它是將一組具有相關關係的變數變換為一組互不相關的變數。適用於對具有相關性的多指標進行降維，尋求主要影響因素的統計問題。
主成分分析（pca）的主要作用是什麼呢？
4樓：左右逸
主成分分析試圖在力保資料資訊丟失最少的原則下，用較少的綜合變數代替原本較多的變數，而且綜合變數間互不相關。
怎樣用SPSS進行主成分分析，spss中主成分分析法的資料如何進行標準化處理？
可用spssau，選擇 進階方法 裡的 主成分 配合有分析方法的幫助手冊及智慧文字分析。spss中主成分分析法的資料如何進行標準化處理？首先 樓主要知道為什麼做資料標準化 資料標準化主要是對那些量綱不同的指標資料進行標準化 通俗說就是資料單位不同的話就做個標準化 要是單位相同不用標準化了 標準化步驟...
主成分分析成分得分系數矩陣怎麼得出
在主成分分bai 析和因子du分析的結果中，都會產生成zhi分得分系數矩dao陣，用該矩陣中 專的係數與屬變數標準化之後的值對應相乘相加，便得出標準化的主成分得分，並且該值與 儲存為變數 輸出的fac1 1等是相等的 略微的差異應該是計算時四捨五入的誤差 分析 降維 因子分析 得分 勾選 顯示因子得...
主成分分析和因子分析有什麼區別
主成分分析和因子分析都是資訊濃縮的方法，即將多個分析項資訊濃縮成幾個概括性指標。因子分析在主成分基礎上，多出一項旋轉功能，該旋轉目的即在於命名，更容易解釋因子的含義。如果研究關注於指標與分析項的對應關係上，或是希望將得到的指標進行命名，spssau建議使用因子分析。主成分分析目的在於資訊濃縮 但不太...