即使生在田间地头，只要你努力生长，终会被人发现，继而被世人所欣赏！
——许栋
介绍主成分分析(principal components analysis, PCA)也称主分量分析，由霍特林(Hotelling)于1933年首先提出。主成分分析是利用降维的思想，在损失很少信息的前提下把多个指标转化为几个综合指标的多元统计方法，以此来实现降维的目的。通常把转化后的综合指标称之为主成分，其中每个主成分都是原始变量的线性组合，且各个主成分之间互不相关，这就使得主成分比原始变量具有某些更优越的性能。这样在研究复杂问题时就可以只考虑少数几个主成分而不至于损失太多信息，从而更容易抓住主要矛盾，揭示事物内部变量之间的规律性，同时使问题得到简化，提高分析效率[1]。
那么简单的来说，主成分分析的主要目的是用于判断组内样本的重复性是否足够好（图上本组内各点的距离是否足够近）以及组间样本的差异是否足够大（图上组间各点之间的距离是否足够远）这两个指标。如果PCA分析出来的结果差异性不大，则后续差异分析意义不大；如果在分析结果中存在离群的样本，那么便可以先剔除该样本，再进行后续的分析，以确保后续分析有意义。(参考来自网络)
那么如何使用Origin进行主成分分析的操作呢，接下来我们来看看吧！
软件Origin 2019b 32Bit
数据获取
1. 我们首先将数据转置一下，如下图
2. 打开Origin，将数据复制进去
3. 点击PCA的App
4. 设置参数：输入数据选择所有列
5. 再将数据范围改为从第三列开始
6. 然后再将观察值和组进行设置，点击右边的黑色三角即可
7. Setting和Quantities to Compute里面保持默认就可以了
8. 2D图：
设置Plot，这里可以设置成2D和3D两种，我们先看一下2D的吧，最下方的置信区间以及标签轮廓，自己需要可以勾选！
9. 点击确定，即可出图，双击打开Score plot
10. 基本的图形就出来了
11. 双击图中的点，添加对应的标签
12. 将图中的次坐标轴去掉，字体统一改为Time New Rowan，20号字体。以及将图中的圆形可以改成球体，设置一下大小就可以了。
13. 右击图例标签，选择属性，再对图例调整一下
14. 对于图中的标签（Control 1，Control 2等），觉得位置不合适，直接按住Ctrl，鼠标点击进行移动
15. 最终我们的2D的PCA图就做好了
16. 3D图：
设置Plot，选择 3D图，最下方的置信区间以及标签轮廓，自己需要可以勾选！
17. 打开结果图
18. 我们点击一下图，那么会出现四个红色的快捷设置选项
19. 这里我来说一下几个快捷设置的意思第一个：单击，可以整体移动图形第二个：单击，会出现一个三维坐标，可以将图形的长宽高进行调整
第三个：单击，会出现一个球体，选中不同的颜色线条，可以从X，Y，Z三个方向进行调整角度，也可以全选，整体调整
第四个：单击，可以将菜单选项，选择放在右上角或者图中间
20. 你也可以使用下方的快捷工具进行调整
21. 单击图中的小圆点，进行设置大小和好看的球体
22. 同时将标签显示出来
23. 最后将坐标轴及其字体进行调整，图就做好了
24. 怎么样，你学会了吗？
参考文献[1]李小胜,陈珍珍.如何正确应用SPSS软件做主成分分析[J].统计研究,2010,27(08):105-108.
声明：本文中的介绍部分资料参考来自网络，如若侵权，请联系Paper主编微信（XD15771909752）进行删除，感谢理解！
,
