使用PCA增白相关性你好，
我有一个简单的Y与X并具有线性相关性。 我喜欢将Y与X去相关（变白）。 我知道如何使用主成分分析来获取新的不相关的主成分Y和X。 如何在JMP中将新组件转换为原始的X和Y比例尺？
我感谢您的帮助。
谢谢
亚当
分析工具回复：使用PCA增白相关性你好@在，
如果我了解您的需求，那么您想知道如何从主成分回到X和Y，是正确的吗？
例如，如果您具有三个组件系统：X1，X2，X3，并且执行PCA，则您将拥有Prin1，Prin2和Prin3。 这些PC将是X1，X2和X3的线性组合，系数为特征值。 您可以从报告顶部PC旁的热键中获取特征值和特征向量。
特征向量矩阵向您展示了要获得X1相对于Prin1，Prin2和Prin3的线性组合的系数是什么（表中的行），或者您可以找到X1，X2，X3相对于Prin1的线性组合（表中的列）。 请参阅下面的示例屏幕截图。
特征值表应为您提供所需的信息。
希望这可以帮助！，
DS
回复：使用PCA增白相关性DS，您好！
感谢您的快速回复。 在PCA之后，根据X和Y（两个变量）给出P1和P2。 我知道我原来的X和Y，但我喜欢将Y与X互不相关。 例如，从高度相关的体重与身高的关系中，我希望在去除相关效应后获得不相关的未缩放体重与身高的关系。
再次感谢。
问候，
亚当
回复：使用PCA增白相关性你好@在，
我对您在这里的目标感到有些困惑。我想您可能会尝试做两件事。要么靠近？
在考虑到与体重相对应的身高变化后，其他高度有变化吗？
为此，您可以使用身高和体重进行PCA，并保存预测值（PCA平台>红色三角形>保存列>预测值），然后使用数据表中的其他列从实际值中减去预测值。这会给你剩余的这是与体重无关的身高变化。这些变量的单位与原始变量相同，但其值将以零为中心。
或者你可能的意思是：
产生一组代表高度和重量的变量，以使新变量彼此不相关，并将在其他分析中使用。
在这种情况下，您不会将变量转换回原始空间，而是将它们用作潜在变量。为此，请保存主要组件值（PCA平台>红色三角形>保存列>主要组件）。 这些潜在变量没有单位，在其他任何分析中检查它们时，您都需要考虑它们的载荷以查看它们如何影响身高和体重。
