主要成分分析方法步骤

A. 化学成分的检测和鉴定都有哪些方法

化学成分的检测和鉴定（通常我们称之为成分分析）在无任何有关样品先验认知的情况下会按如下步骤进行，相对所需要的样品量也不少。
1.简单定性分析
比如PH、密度、溶解度、熔点……等能想到的所有简单特性，选择性组合，对结果进行可能性的推测。
2.合适的预处理方案
通过第一步的结果，推测选择相对更有效的预处理措施如：蒸馏、过滤、离心、干燥、灼烧……以此使组分得到有效分离和富集。
3.结构和成分分析
这里开始就要分开两步走
3.1 有机：谱图采集，对比标准数据库可以得到匹配度最高的结果，当然对于利用数据库无法检索到高匹配度的物质。
3.2无机：AES、IR、XRD、等主要针对元素种类、元素价态进行分析
4.结果验证
到这一步，样品的大致组分有了基本结果，就需要运用各类检测手段去验证，实际上就是各种定量分析，GC、LC等。

B. spss主成分分析步骤是什么

spss主成分分析法详细步骤：

1、打开SPSS软件，导入数据后，依次点击分析，降维，因子分析。如图1所示：

(2)主要成分分析方法步骤扩展阅读：

SPSS是世界上最早采用图形菜单驱动界面的统计软件，它最突出的特点就是操作界面极为友好，输出结果美观漂亮。它将几乎所有的功能都以统一、规范的界面展现出来，使用Windows的窗口方式展示各种管理和分析数据方法的功能，对话框展示出各种功能选择项。

用户只要掌握一定的Windows操作技能，精通统计分析原理，就可以使用该软件为特定的科研工作服务。SPSS采用类似EXCEL表格的方式输入与管理数据，数据接口较为通用，能方便的从其他数据库中读入数据。

其统计过程包括了常用的、较为成熟的统计过程，完全可以满足非统计专业人士的工作需要。输出结果十分美观，存储时则是专用的SPO格式，可以转存为HTML格式和文本格式。对于熟悉老版本编程运行方式的用户，SPSS还特别设计了语法生成窗口。

C. 怎样用spss进行主成分分析 具体步骤

工具/原料

spss20.0
方法/步骤

先在spss中准备好要处理的数据，然后在菜单栏上执行：analyse--dimension rection--factor analyse。打开因素分析对话框

我们看到下图就是因素分析的对话框，将要分析的变量都放入variables窗口中

点击descriptives按钮，进入次级对话框，这个对话框可以输出我们想要看到的描述统计量

因为做主成分分析需要我们看一下各个变量之间的相关，对变量间的关系有一个了解，所以需要输出相关，勾选coefficience，点击continue，返回主对话框

回到主对话框，点击ok，开始输出数据处理结果

你看到的这第一个表格就是相关矩阵，现实的是各个变量之间的相关系数，通过相关系数，你可以看到各个变量之间的相关，进而了解各个变量之间的关系

第二个表格显示的主成分分析的过程，我们看到eigenvalues下面的total栏，他的意思就是特征根，他的意义是主成分影响力度的指标，一般以1为标准，如果特征根小于1，说明这个主因素的影响力度还不如一个基本的变量。所以我们只提取特征根大于1的主成分。如图所示，前三个主成分就是大于1的，所以我们只能说有三个主成分。另外，我们看到第一个主成分方差占所有主成分方差的46.9%，第二个占27.5%，第三个占15.0%。这三个累计达到了89.5%。

D. 什么是主成分分析主成分分析的步骤有哪些

主成分分析是指通过将一组可能存在相关性的变量转换城一组线性不相关的变量，转换后的这组变量叫主成分。

主成分分析步骤：1、对原始数据标准化，2、计算相关系数，3、计算特征，4、确定主成分，5、合成主成分。

主成分分析的原理是设法将原来变量重新组合成一组新的相互无关的几个综合变量，同时根据实际需要从中可以取出几个较少的总和变量尽可能多地反映原来变量的信息的统计方法叫做主成分分析或称主分量分析，也是数学上处理降维的一种方法。

(4)主要成分分析方法步骤扩展阅读

主成分分析的主要作用

1．主成分分析能降低所研究的数据空间的维数。

2．有时可通过因子负荷aij的结论，弄清X变量间的某些关系。

3．多维数据的一种图形表示方法。

4．由主成分分析法构造回归模型。即把各主成分作为新自变量代替原来自变量x做回归分析。

5．用主成分分析筛选回归变量。

最经典的做法就是用F1（选取的第一个线性组合，即第一个综合指标）的方差来表达，即Va（rF1）越大，表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的，故称F1为第一主成分。

E. 主成分分析详解

一、主成分分析
1、简介
在用统计分析方法研究这个多变量的课题时，变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较多。在很多情形，变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠。主成分分析是对于原先提出的所有变量，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量在反映课题的信息方面尽可能保持原有的信息。
2、原理
设法将原来变量重新组合成一组新的互相无关的几个综合变量，同时根据实际需要从中可以取出几个较少的综合变量尽可能多地反映原来变量的信息的统计方法叫做主成分分析或称主分量分析，也是数学上处理降维的一种方法。
二、主成分分析的基本思想及步骤
1、基本思想
主成分分析是设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来代替原来的指标。通常数学上的处理就是将原来P个指标作线性组合，作为新的综合指标。最经典的做法就是用F1（选取的第一个线性组合，即第一个综合指标）的方差来表达，即Var(F1)越大，表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的，故称F1为第一主成分。如果第一主成分不足以代表原来P个指标的信息，再考虑选取F2即选第二个线性组合，为了有效地反映原来信息，F1已有的信息就不需要再出现在F2中，用数学语言表达就是要求Cov(F1, F2)=0，则称F2为第二主成分，依此类推可以构造出第三、第四，……，第P个主成分。
2、步骤
Fp=a1iZX1+a2iZX2+……+apiZXp 其中a1i, a2i, ……,api(i=1,……,m)为X的协方差阵Σ的特征值所对应的特征向量，ZX1, ZX2, ……, ZXp是原始变量经过标准化处理的值，因为在实际应用中，往往存在指标的量纲不同，所以在计算之前须先消除量纲的影响，而将原始数据标准化，本文所采用的数据就存在量纲影响[注：本文指的数据标准化是指Z标准化]。 A=(aij)p×m=(a1,a2,…am,)，Rai=λiai，R为相关系数矩阵，λi、ai是相应的特征值和单位特征向量,λ1≥λ2≥…≥λp≥0 。 进行主成分分析主要步骤如下： 1. 指标数据标准化（SPSS软件自动执行）； 2. 指标之间的相关性判定； 3. 确定主成分个数m； 4. 主成分Fi表达式； 5. 主成分Fi命名；

F. 有一未知样品，让你分析其成分，请谈谈你的分析步骤，并举例说明

可以先对样品进行气相色谱质谱联用分析，判断有无其他物质。将样品脱水，通过X射线荧光光谱分析，确定样品中含有那些元素。

有机物可以通过在纯氧中燃烧，分析生成物质成分，再推出原物质的成分。无机物比如，有些金属元素可以用电感耦合等离子发射光谱法（ICP-AES）或者原子吸收光谱法（AAS）；无机化合物可以用紫外分光光度计进行分析。

(6)主要成分分析方法步骤扩展阅读：

成分分析技术主要用于对未知物、未知成分等进行分析，通过成分分析技术可以快速确定（最快的为激光飞秒检测通过观测分子、原子、电子、原子核、官能团等粒子飞秒级（一千万亿分之一秒，即10-15s）的振动、能级跃迁，可以很方便的判断物质组成和含量）

目标样品中的各种组成成分是什么，帮助您对样品进行定性定量分析，鉴别、橡胶等高分子材料的材质、原材料、助剂、特定成分及含量、异物等。