同樣一組數據，我用spss、matlab、R中的princomp函數和vegan程序包中的rda函數多種計算方法做主成分分析，結果竟然不一樣。我仔細看了下，特征值和貢獻率都一樣，問題出在因子載荷和得分系數上。我會給出原始數據，希望高手用自己熟悉的軟件幫忙計算下啊，如果能同時用多個軟件計算就更好了。實在感激不盡。本人新手，金幣實在不多。

首先看因子載荷。以spss結果為準，princomp函數的PC2值剛好與spss結果為相反數；matlab的PC1結果與SPSS結果為相反數，rda函數與spss結果接近，數值有所差異。

因子載荷圖

R princompR rdamatlabSPSS

Comp.1Comp.2PC1PC2

氯0.65-0.01-1.010.020.650.01-0.650.01

硫化氫-0.39-0.490.620.68-0.390.490.390.49

二氧化碳-0.280.220.44-0.30-0.28-0.220.28-0.22

碳40.39-0.47-0.610.650.390.47-0.390.47

環氧氯丙烷-0.45-0.220.700.31-0.450.220.450.22

環己烷0.06-0.67-0.100.930.060.67-0.060.67其次看得分值。得分值的情況與因子載荷一樣。由于得分值不同，最后計算的總分值也就不同了。

得分R princompR rdamatlabSPSS

Comp.1Comp.2PC1PC2PC1PC2PC1PC2

1-0.071.240.04-0.84-0.06-1.160.07-1.18

2-0.362.860.21-1.92-0.34-2.670.34-2.66

3-1.80-1.581.071.06-1.691.481.691.49

4-2.32-0.611.380.41-2.170.572.190.56

52.81-1.06-1.680.712.631.00-2.650.99

60.530.08-0.31-0.050.49-0.08-0.5-0.06

70.07-0.79-0.040.530.060.74-0.060.75

81.14-0.14-0.680.091.070.13-1.080.11

但是我不清楚問題出在哪里啊。

以下是每個方法的過程，請諸位看看：

R princomp函數：

mydata

mydata.pr

mydata.pr$loadings[,1:2]

mydata.pr$scores[,1:2]

R rda函數：

rawdata

mydata.pca=rda(rawdata,scale=T)

summary(mydata.pca)

matlab：data為原始數據

sddata=zscore(data);%將數據進行標準化

[coeff,score,latent,tsquare,explained]=pca(sddata)

spss略。

原始數據很簡單：氯硫化氫二氧化碳碳4環氧氯丙烷環己烷

site 10.0560.0840.0310.0380.0080.022

site 20.0490.0550.10.110.0220.007

site 30.0380.130.0790.170.0580.043

site 40.0340.0950.0580.160.20.029

site 50.0840.0660.0290.320.0120.041

site 60.0640.0720.10.210.0280.038

site 70.0480.0890.0620.260.0380.036

site 80.0690.0870.0270.250.0450.021

總結

以上是生活随笔為你收集整理的matlab主成分分析散点图_matlab、R软件等做主成分分析结果不同？为什么？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。