主要成分分析方法步驟

A. 化學成分的檢測和鑒定都有哪些方法

化學成分的檢測和鑒定（通常我們稱之為成分分析）在無任何有關樣品先驗認知的情況下會按如下步驟進行，相對所需要的樣品量也不少。
1.簡單定性分析
比如PH、密度、溶解度、熔點……等能想到的所有簡單特性，選擇性組合，對結果進行可能性的推測。
2.合適的預處理方案
通過第一步的結果，推測選擇相對更有效的預處理措施如：蒸餾、過濾、離心、乾燥、灼燒……以此使組分得到有效分離和富集。
3.結構和成分分析
這里開始就要分開兩步走
3.1 有機：譜圖採集，對比標准資料庫可以得到匹配度最高的結果，當然對於利用資料庫無法檢索到高匹配度的物質。
3.2無機：AES、IR、XRD、等主要針對元素種類、元素價態進行分析
4.結果驗證
到這一步，樣品的大致組分有了基本結果，就需要運用各類檢測手段去驗證，實際上就是各種定量分析，GC、LC等。

B. spss主成分分析步驟是什麼

spss主成分分析法詳細步驟：

1、打開SPSS軟體，導入數據後，依次點擊分析，降維，因子分析。如圖1所示：

(2)主要成分分析方法步驟擴展閱讀：

SPSS是世界上最早採用圖形菜單驅動界面的統計軟體，它最突出的特點就是操作界面極為友好，輸出結果美觀漂亮。它將幾乎所有的功能都以統一、規范的界面展現出來，使用Windows的窗口方式展示各種管理和分析數據方法的功能，對話框展示出各種功能選擇項。

用戶只要掌握一定的Windows操作技能，精通統計分析原理，就可以使用該軟體為特定的科研工作服務。SPSS採用類似EXCEL表格的方式輸入與管理數據，數據介面較為通用，能方便的從其他資料庫中讀入數據。

其統計過程包括了常用的、較為成熟的統計過程，完全可以滿足非統計專業人士的工作需要。輸出結果十分美觀，存儲時則是專用的SPO格式，可以轉存為HTML格式和文本格式。對於熟悉老版本編程運行方式的用戶，SPSS還特別設計了語法生成窗口。

C. 怎樣用spss進行主成分分析 具體步驟

工具/原料

spss20.0
方法/步驟

先在spss中准備好要處理的數據，然後在菜單欄上執行：analyse--dimension rection--factor analyse。打開因素分析對話框

我們看到下圖就是因素分析的對話框，將要分析的變數都放入variables窗口中

點擊descriptives按鈕，進入次級對話框，這個對話框可以輸出我們想要看到的描述統計量

因為做主成分分析需要我們看一下各個變數之間的相關，對變數間的關系有一個了解，所以需要輸出相關，勾選coefficience，點擊continue，返回主對話框

回到主對話框，點擊ok，開始輸出數據處理結果

你看到的這第一個表格就是相關矩陣，現實的是各個變數之間的相關系數，通過相關系數，你可以看到各個變數之間的相關，進而了解各個變數之間的關系

第二個表格顯示的主成分分析的過程，我們看到eigenvalues下面的total欄，他的意思就是特徵根，他的意義是主成分影響力度的指標，一般以1為標准，如果特徵根小於1，說明這個主因素的影響力度還不如一個基本的變數。所以我們只提取特徵根大於1的主成分。如圖所示，前三個主成分就是大於1的，所以我們只能說有三個主成分。另外，我們看到第一個主成分方差占所有主成分方差的46.9%，第二個佔27.5%，第三個佔15.0%。這三個累計達到了89.5%。

D. 什麼是主成分分析主成分分析的步驟有哪些

主成分分析是指通過將一組可能存在相關性的變數轉換城一組線性不相關的變數，轉換後的這組變數叫主成分。

主成分分析步驟：1、對原始數據標准化，2、計算相關系數，3、計算特徵，4、確定主成分，5、合成主成分。

主成分分析的原理是設法將原來變數重新組合成一組新的相互無關的幾個綜合變數，同時根據實際需要從中可以取出幾個較少的總和變數盡可能多地反映原來變數的信息的統計方法叫做主成分分析或稱主分量分析，也是數學上處理降維的一種方法。

(4)主要成分分析方法步驟擴展閱讀

主成分分析的主要作用

1．主成分分析能降低所研究的數據空間的維數。

2．有時可通過因子負荷aij的結論，弄清X變數間的某些關系。

3．多維數據的一種圖形表示方法。

4．由主成分分析法構造回歸模型。即把各主成分作為新自變數代替原來自變數x做回歸分析。

5．用主成分分析篩選回歸變數。

最經典的做法就是用F1（選取的第一個線性組合，即第一個綜合指標）的方差來表達，即Va（rF1）越大，表示F1包含的信息越多。因此在所有的線性組合中選取的F1應該是方差最大的，故稱F1為第一主成分。

E. 主成分分析詳解

一、主成分分析
1、簡介
在用統計分析方法研究這個多變數的課題時，變數個數太多就會增加課題的復雜性。人們自然希望變數個數較少而得到的信息較多。在很多情形，變數之間是有一定的相關關系的，當兩個變數之間有一定相關關系時，可以解釋為這兩個變數反映此課題的信息有一定的重疊。主成分分析是對於原先提出的所有變數，建立盡可能少的新變數，使得這些新變數是兩兩不相關的，而且這些新變數在反映課題的信息方面盡可能保持原有的信息。
2、原理
設法將原來變數重新組合成一組新的互相無關的幾個綜合變數，同時根據實際需要從中可以取出幾個較少的綜合變數盡可能多地反映原來變數的信息的統計方法叫做主成分分析或稱主分量分析，也是數學上處理降維的一種方法。
二、主成分分析的基本思想及步驟
1、基本思想
主成分分析是設法將原來眾多具有一定相關性（比如P個指標），重新組合成一組新的互相無關的綜合指標來代替原來的指標。通常數學上的處理就是將原來P個指標作線性組合，作為新的綜合指標。最經典的做法就是用F1（選取的第一個線性組合，即第一個綜合指標）的方差來表達，即Var(F1)越大，表示F1包含的信息越多。因此在所有的線性組合中選取的F1應該是方差最大的，故稱F1為第一主成分。如果第一主成分不足以代表原來P個指標的信息，再考慮選取F2即選第二個線性組合，為了有效地反映原來信息，F1已有的信息就不需要再出現在F2中，用數學語言表達就是要求Cov(F1, F2)=0，則稱F2為第二主成分，依此類推可以構造出第三、第四，……，第P個主成分。
2、步驟
Fp=a1iZX1+a2iZX2+……+apiZXp 其中a1i, a2i, ……,api(i=1,……,m)為X的協方差陣Σ的特徵值所對應的特徵向量，ZX1, ZX2, ……, ZXp是原始變數經過標准化處理的值，因為在實際應用中，往往存在指標的量綱不同，所以在計算之前須先消除量綱的影響，而將原始數據標准化，本文所採用的數據就存在量綱影響[註：本文指的數據標准化是指Z標准化]。 A=(aij)p×m=(a1,a2,…am,)，Rai=λiai，R為相關系數矩陣，λi、ai是相應的特徵值和單位特徵向量,λ1≥λ2≥…≥λp≥0 。 進行主成分分析主要步驟如下： 1. 指標數據標准化（SPSS軟體自動執行）； 2. 指標之間的相關性判定； 3. 確定主成分個數m； 4. 主成分Fi表達式； 5. 主成分Fi命名；

F. 有一未知樣品，讓你分析其成分，請談談你的分析步驟，並舉例說明

可以先對樣品進行氣相色譜質譜聯用分析，判斷有無其他物質。將樣品脫水，通過X射線熒光光譜分析，確定樣品中含有那些元素。

有機物可以通過在純氧中燃燒，分析生成物質成分，再推出原物質的成分。無機物比如，有些金屬元素可以用電感耦合等離子發射光譜法（ICP-AES）或者原子吸收光譜法（AAS）；無機化合物可以用紫外分光光度計進行分析。

(6)主要成分分析方法步驟擴展閱讀：

成分分析技術主要用於對未知物、未知成分等進行分析，通過成分分析技術可以快速確定（最快的為激光飛秒檢測通過觀測分子、原子、電子、原子核、官能團等粒子飛秒級（一千萬億分之一秒，即10-15s）的振動、能級躍遷，可以很方便的判斷物質組成和含量）

目標樣品中的各種組成成分是什麼，幫助您對樣品進行定性定量分析，鑒別、橡膠等高分子材料的材質、原材料、助劑、特定成分及含量、異物等。