使用PCA增白相關性你好，
我有一個簡單的Y與X並具有線性相關性。 我喜歡將Y與X去相關（變白）。 我知道如何使用主成分分析來獲取新的不相關的主成分Y和X。 如何在JMP中將新組件轉換為原始的X和Y比例尺？
我感謝您的幫助。
謝謝
亞當
分析工具回复：使用PCA增白相關性你好@在，
如果我了解您的需求，那麼您想知道如何從主成分回到X和Y，是正確的嗎？
例如，如果您具有三個組件系統：X1，X2，X3，並且執行PCA，則您將擁有Prin1，Prin2和Prin3。 這些PC將是X1，X2和X3的線性組合，係數為特徵值。 您可以從報告頂部PC旁的熱鍵中獲取特徵值和特徵向量。
特徵向量矩陣向您展示了要獲得X1相對於Prin1，Prin2和Prin3的線性組合的係數是什麼（表中的行），或者您可以找到X1，X2，X3相對於Prin1的線性組合（表中的列）。 請參閱下面的示例屏幕截圖。
特徵值表應為您提供所需的信息。
希望這可以幫助！，
DS
回复：使用PCA增白相關性DS，您好！
感謝您的快速回复。 在PCA之後，根據X和Y（兩個變量）給出P1和P2。 我知道我原來的X和Y，但我喜歡將Y與X互不相關。 例如，從高度相關的體重與身高的關係中，我希望在去除相關效應後獲得不相關的未縮放體重與身高的關係。
再次感謝。
問候，
亞當
回复：使用PCA增白相關性你好@在，
我對您在這裡的目標感到有些困惑。我想您可能會嘗試做兩件事。要么靠近？
在考慮到與體重相對應的身高變化後，其他高度有變化嗎？
為此，您可以使用身高和體重進行PCA，並保存預測值（PCA平台>紅色三角形>保存列>預測值），然後使用數據表中的其他列從實際值中減去預測值。這會給你剩餘的這是與體重無關的身高變化。這些變量的單位與原始變量相同，但其值將以零為中心。
或者你可能的意思是：
產生一組代表高度和重量的變量，以使新變量彼此不相關，並將在其他分析中使用。
在這種情況下，您不會將變量轉換回原始空間，而是將它們用作潛在變量。為此，請保存主要組件值（PCA平台>紅色三角形>保存列>主要組件）。 這些潛在變量沒有單位，在其他任何分析中檢查它們時，您都需要考慮它們的載荷以查看它們如何影響身高和體重。
