pcoa分析图怎么解析结果

pc艺皱麾酪oa分析图解析结果主成分分析是基于特征向量的线性无约束排序方法，它提供了一种数据降维技巧，能够将大量相庙堠杼寺关变量转化为一组很少的不相关变量。

这些无关变量称为主成分(PrincipalComponent，PC)，可用于替代原始的大量相关变量，进而简化分析过程。

例如，使用PCA将20个相关的变量其中可能存在冗余分解为2-3个无关的主成分，并尽可能地保留原始数据集的信息，通过这2-3个主成分即可有效判断所有变量的潜在结构，以及表征对象的特征。

因此在多元统计中，PCA应用非常广泛，首先注意一个问题，PCA原始假设要求数据符合多元正态分布。

PCoA分析，首先对一系列的特征值和特征向量进行排序，然后选择排在前几位的最主要特征值，并将其表现在坐标系里，结果相当于是距离矩阵的一个旋转，它没有改变样本点之间的相互位置关系，只是改变了坐标系统。

然而我们知道，生态学数据大多不是正态分布类型，因此在群落分析中，我们可能一般并不考虑严格的多元正态性假设，只要偏离正态性不太离谱，PCA对数据的正态性就不很敏感。

但如上所提到的，对于用于PCA的生态数据而言，环境属性和物种特征可以划为一类，而物种组成则单独归类。