matlab中主成分分析的princomp函数得出的结果什么意思啊

[COEFF,SCORE,latent,tsquare] = princomp(X)

解释：

X： 就是原始数据，每列是一个变量，每行是一个样本。

coeff：就是那个U转化矩阵

score：最后得出的主成分的值，每一列表示一个主成分(按第一主成分到第n主成分个排列)。

latant：是各主成分对应的特征向量。

tsquare：是Hotelling's T-squared统计量。

理论上是这么要求的，但是实际操作要求并非那么严格，楼主可以做下KMO检验，一般检验通过，累计贡献率到达80%左右是可以做主成分分析和因子分析的。某些教科书上的主成分分析实例，贡献率在70%多的还是照样拿出来做了嘛~

另外同意楼上的说法，看下是不是数据相关性很大。

Eviews（Econometric views）是当今世界上最流行的计量经济学软件之一。本书系统地介绍了Eviews的全部功能，包括建立数据文件、画图、一系列计假设检验、最小二乘估计、工具变量估计、两阶段最小二乘估计、离散选择模型（tobit、probit、logit、删载、截余、计数等模型）估计、联立方程模型估计、GARCH模型估计、时间序列ARIMA模型估计、向量自回归模型估计、向量误差修正模型估计、自相关检验、异方差检验、多重共线性检验、结构突变检验、单位根（时间序列平稳性）检验、Granger非因果性检验、协积检验、面板数据应用、Eviews编程和蒙特卡罗（Monte Carlo）模拟、主成分分析、时间序列的季节调整等内容，并通过23个应用实例介绍了上述功能的实际操作。

Eviews具有数据处理、作图、统计分析、回归建模分析、预测、时间序列ARIMA分析、时间序列的季节调整分析、编程和模拟九大类功能，是经济、金融、保险、管理、商务等领域中各类工作者、教师、学生的必备工具。Eviews的基本功能也适用于自然科学、人文科学以及其他社会科学中各个领域的定量研究，应用范围广泛。本书为读者全面掌握Eviews的使用提供帮助。

Seurat 指导聚类教程

参照官网教程 用了自己的一批真实的数据，总共有7038个细胞。以下是cellranger count跑出来的标准结果。

我们从读取数据开始。Read10X函数从10X读取cellranger流程的输出，返回UMI计数矩阵。矩阵中的值表示每个特征(即基因;在每个细胞(列)中检测到的。

接下来，我们使用count矩阵创建一个Seurat对象。该对象充当一个容器，其中包含单细胞数据集的数据(如计数矩阵)和分析(如PCA或聚类结果)。

读取数据：

datadir 参数包含矩阵的目录。包含matrixmtx，genetsv（或featurestsv）和barcodestsv。为了加载多个数据目录，可以给出一个向量或命名向量。如果给定了命名向量，则cell barcode 名称将以该名称为前缀。

genecolumn 参数指定基因在哪一列。featurestsv或genetsv用于基因名称的tsv;默认是2，表示第二列是基因名，我们来看一下featurestsv，包含3列：

uniquefeatures 参数默认为TRUE，表示 使features name unique。

如果featurescsv表明数据具有多个数据类型，则返回一个包含每种类型数据的稀疏矩阵的列表。否则将返回一个包含表达式数据的稀疏矩阵。

使用原始数据(非规范化数据)初始化Seurat对象。

注意:在以前的版本(<30)中，该函数还接受一个参数来设置“检测到的”特征(基因)的表达阈值。为了简化初始化过程/假设，删除了此功能。如果您仍然希望为特定的数据集设置这个阈值，那么只需在调用此函数之前对输入表达式矩阵进行筛选即可。

可以发现7038samples 和网页版报告一致，33538 features也和featurescsv数量一致。

count matrix 数据长什么？

例如，计数矩阵存储在G48E2L1[["RNA"]]@counts中。

只看几个基因：

点 矩阵中的值表示0(未检测到分子)。由于scRNA-seq矩阵中的大多数值都是0，所以Seurat尽可能使用 稀疏矩阵表 示。这为Drop-seq/inDrop/10x数据节省了大量内存和速度。

如果需要查看稀疏矩阵的空间大小（个人理解），这些可以忽略。

以下步骤包含Seurat中scRNA-seq数据的标准预处理工作流。这些代表细胞的选择和过滤基于QC指标，数据归一化和缩放，并检测高度可变的特征。

QC和选择细胞进行进一步分析

Seurat允许您轻松地探索QC指标，并根据任何用户定义的标准过滤单元格。大家通常使用的一些QC指标包括

QC指标存储在哪里？

在官方的样例中，可视化QC指标，并进行cell过滤。

先来可视化看一下：

VlnPlot()是Seurat中用于绘制单细胞数据的小提琴图函数(基因表达、指标、PC分数等)，小提琴图用于显示数据分布及其概率密度。

FeatureScatter通常用于可视化 feature-feature 关系，也可以用于计算对象的任何东西，ie 对象数据中的列，PC分数等。 个人理解：就是用点图看两个数据之间的相关性。

官方教程中在这里过滤掉 2500 > nFeature_RNA >200 和percentmt < 5的数据：

但是我不想过滤，本文数据没有做过滤处理。哈哈哈！

从数据集中删除不需要的细胞后，下一步是数据标准化。默认情况下，我们使用全局缩放归一化方法“LogNormalize”，它将每个细胞的特征表达式测量值归一化为总的表达式，再乘以一个缩放因子(默认为10,000)，对结果对数化处理。标准化的数值存储在pbmc[["RNA"]]@data中。

接下来，我们将计算数据集中显示高细胞间差异的特征子集(i。e，它们在一些细胞中高表达，在另一些细胞中低表达)。我们和其他人发现，在下游分析中关注这些基因有助于在单细胞数据集中突出生物信号。

这里详细描述了Seurat3中的过程，并通过直接建模单细胞数据中固有的均值-方差关系改进了先前的版本，并在FindVariableFeatures函数中实现。默认情况下，我们为每个数据集返回2,000个特性。这些将用于下游分析，如PCA。

Find variable features

识别“平均变异性图”上的异常点。

FindVariableFeatures(object, )

如何选择selectionmethod:

vst: 首先，用局部多项式回归(loess)拟合对数(方差)与对数(均值)的关系。然后使用观察到的平均值和期望的方差(由拟合线给出)对特征值进行标准化。然后，在裁剪到最大值之后，根据标准化的值计算特征方差(参见clip)。max参数)。

meanvarplot (mvp): 首先，使用一个函数计算每个特征的平均表达式(meanfunction)和离散度(diffusion function)。接下来，根据每个bin的平均表达式将特征划分为number bin (默认 20)，并计算每个bin内的离散度z-score。这样做的目的是识别变量特征，同时控制可变性和平均表达之间的强烈关系。

dispersion(disp): 选择分散值最高的基因

找出10个差异最大的基因：

接下来，我们应用一个线性变换(“scaling”)，这是一个标准的预处理步骤，比PCA等降维技术更重要。

ScaleData函数功能:

接下来，我们对缩放的数据执行PCA。默认情况下，只使用前面确定的变量特性作为输入，但是如果您希望选择不同的子集，可以使用features参数来定义。

Seurat提供了几种有用的方法来可视化细胞和定义PCA的特性，包括VizDimReduction、DimPlot和DimHeatmap

检查和可视化PCA结果的几种不同的方法

特别是，DimHeatmap可以方便地探索数据集中主要的异构来源，并且在决定哪些PCs可以用于进一步的下游分析时非常有用。细胞和特征都是根据它们的PCA分数排序的。将cells设置为一个数字，可以绘制光谱两端的“极端”细胞，这极大地加快了绘制大型数据集的速度。虽然这显然是一个监督分析，但我们发现这是一个有价值的工具，用于探索相关的特征集。

为了克服scRNA-seq数据中单个特征中大量的技术噪声，Seurat根据他们的PCA评分将细胞分组，每个PC实质上代表一个“元特征”，它将跨相关特征集的信息组合在一起。因此，最主要的组件代表了数据集的健壮压缩。但是，我们应该选择包含多少个主成分 10 个？ 20个 100个？

在Macosko et al文章中，我们实现了一个重采样测试的灵感来自JackStraw程序。我们随机排列数据的一个子集(默认为1%)并重新运行PCA，构造一个特征得分的“null distribution”，然后重复这个过程。我们认为最“significant” 的PC是那些具有丰富的低p值特征的。

JackStrawPlot函数提供了一个可视化工具，用于用均匀分布(虚线)比较每个PC的p-values分布。“显著的”PCs将显示出一个低p值(虚线以上的实线)的强富集特性。在这种情况下，在最初的10-12个PCs之后，重要性似乎急剧下降。

另一种启发式方法生成“Elbow plot”:根据各成分解释的方差百分比对主要成分进行排序( ElbowPlot 函数)。在这个例子中，我们可以观察到PC9-10周围的一个拐点（“elbow”），这表明大部分真实信号是在前10个pc中捕获的。

对用户来说，确定数据集的真实维数是一项挑战/不确定的工作。因此，我们建议考虑这三种方法。第一个是更有监督的，探索PCs以确定相关的异质性来源，并可与GSEA联合使用。第二个实现了一个基于随机空模型的统计测试，但是对于大型数据集来说非常耗时，并且可能不会返回一个明确的PC截止时间。第三种是一种常用的启发式算法，可以立即计算出来。在这个例子中，所有这三种方法都产生了相似的结果，但是我们可能有理由选择PC 7-12之间的任何一个作为截止时间。

我们在这里选择了10个，但鼓励用户考虑以下几点:

Seurat v3应用了一种基于图的集群方法，建立在(Macosko等人)的初始策略之上。重要的是，驱动聚类分析的距离度量(基于先前确定的PCs)保持不变。然而，我们将细胞距离矩阵划分成集群的方法已经得到了极大的改进。我们的方法受到最近手稿的很大启发，这些手稿将基于图的聚类方法应用于scRNA-seq数据 [SNN-Cliq, Xu and Su, Bioinformatics, 2015]和CyTOF数据 [PhenoGraph, Levine et al, Cell, 2015]。简单地说，这些方法将单元格嵌入到一个图结构中——例如k -最近邻(KNN)图，在具有相似特征表达模式的单元格之间绘制边缘，然后尝试将这个图划分为高度互连的准团或社区。

和表现型一样，我们首先在PCA空间中构造一个基于欧氏距离的KNN图，然后根据任意两个细胞在局部区域的共享重叠(Jaccard相似性)来细化它们之间的边权值。此步骤使用 FindNeighbors 函数执行，并将之前定义的数据集维度(前10个pc)作为输入。

为了对单元进行聚类，我们接下来应用模块化优化技术，如Louvain算法(default)或SLM [SLM, Blondel et al, Journal of Statistical Mechanics]，以迭代方式将单元分组在一起，目标是优化标准模块化函数。 FindClusters 函数实现这个过程，并包含一个分辨率参数，该参数设置下游集群的粒度，增加的值将导致更多的集群。我们发现，将该参数设置在04-12之间，对于3K左右的单细胞数据集通常会得到良好的结果。对于较大的数据集，最佳分辨率通常会增加。可以使用 Idents 函数找到集群。

查看前5个细胞的cluster id

Seurat提供了几种非线性的降维技术，如tSNE和UMAP，以可视化和探索这些数据集。这些算法的目标是学习数据的底层流形，以便在低维空间中将相似的单元放在一起。上面所确定的基于图的集群中的单元应该在这些降维图上共同定位。作为UMAP和tSNE的输入，我们建议使用相同的PCs作为聚类分析的输入。

此时可以保存对象，这样就可以轻松地将其加载回来，而不必重新运行上面执行的计算密集型步骤，或者轻松地与协作者共享。

Seurat可以帮助您找到通过差异表达式定义集群的标记。默认情况下，它识别单个簇的阳性和阴性标记(在 ident1 中指定)，与所有其他细胞相比较。 Findallmarkers 为所有集群自动化这个过程，但是您也可以测试集群组之间的相互关系，或者测试所有细胞。

minpct 参数要求至少在两组细胞中的任何一组中检测一个特性，以及threshtest参数要求一个特性在两组之间有一定的差异(平均)。您可以将这两个值都设置为0，但是时间上有很大的增加——因为这将测试大量不太可能具有高度歧视性的特性。作为加速这些计算的另一个选项， maxcellsperident 可以设置。这将对每个标识类进行采样，使其不具有比设置的细胞更多的细胞。虽然通常会有功率的损失，速度的增长可能是显著的，最高度差异表达的特征可能仍然会上升到顶部。

找出区分cluster 5与cluster 0和cluster 3的所有标记

找出每个cluster的标记与所有剩余的细胞相比较，只报告阳性细胞

Seurat有几个关于微分表达式的测试，可以通过该测试设置。使用参数(详情请参阅我们的DE vignette)。例如，ROC测试返回任何单个标记(从0 - random到1 - perfect)的分类能力。

我们包括一些可视化标记表达的工具。 VlnPlot (显示跨集群的表达式概率分布)和 FeaturePlot (在tSNE或PCA图上可视化特性表达式)是我们最常用的可视化方法。我们还建议使用 RidgePlot 、 CellScatter 和 DotPlot 作为查看数据集的额外方法。

DoHeatmap 为给定的细胞和特征生成一个表达式heatmap。在本例中，我们绘制每个集群的前20个标记(如果小于20，则绘制所有标记)。

幸运的是，在这个数据集的情况下，我们可以使用规范的标记，以方便地匹配无偏聚类到已知的细胞类型:

《SPSS170中文版常用功能与应用实例精讲》一书，是《SPSS 150中文版常用功能与应用实例精讲》的升级版。全书从实用的角度出发，通过常用模块与大量工程实例相结合的形式，深入浅出地介绍了SPSS 170中文版的操作方法和应用技巧。适合SPSS的初、中级读者使用，是统计学、社会学、经济学等专业的理想教材，也是读者进行课题研究及定量分析的首选参考书。全书分为三篇共20章，第1～4章为基础知识篇，简单介绍了SPSS软件用户界面、参数设置、数据文件的基本操作、简单数据处理和分析结果表示，引导读者入门。第5～15章为SPSS统计分析常用模块篇，介绍了均值与方差分析、参数检验、非参数检验、相关分析、回归分析、聚类分析、判别分析、因子分析与主成分分析、可靠性分析、时间序列分析和生存分析等模块，并结合实例重点解释了各个模块的算法原理和基础应用。第16～20章为行业应用实例篇，详细介绍了SPSS在实际工程领域中的应用，具体包括：社会调查与统计、市场研究/企业数据分析、证券金融统计、医学统计和生物学统计，实例典型、代表性和指导性强。读者通过学习，可以举一反三，进一步加深巩固，实现从入门到精通。

在数据分析中，对于成对成组数据的拟合是经常遇到的，涉及到的任务有线性描述，趋势预测和残差分析等等。很多专业读者遇见此类问题时往往寻求专业软件，比如在化工中经常用到的Origin和数学中常见的MATLAB等等。它们虽很专业，但其实使用Excel就完全够用了。我们已经知道在Excel自带的数据库中已有线性拟合工具，但是它还稍显单薄，今天我们来尝试使用较为专业的拟合工具来对此类数据进行处理。

　　注：本功能需要使用Excel扩展功能，如果您的Excel尚未安装数据分析，请依次选择“工具”-“加载宏”，在安装光盘支持下加载“分析数据库”。加载成功后，可以在“工具”下拉菜单中看到“数据分析”选项

　　实例 某溶液浓度正比对应于色谱仪器中的峰面积，现欲建立不同浓度下对应峰面积的标准曲线以供测试未知样品的实际浓度。已知8组对应数据，建立标准曲线，并且对此曲线进行评价，给出残差等分析数据。

　　这是一个很典型的线性拟合问题，手工计算就是采用最小二乘法求出拟合直线的待定参数，同时可以得出R的值，也就是相关系数的大小。在Excel中，可以采用先绘图再添加趋势线的方法完成前两步的要求。

　　选择成对的数据列，将它们使用“X、Y散点图”制成散点图。

　　在数据点上单击右键，选择“添加趋势线”-“线性”，并在选项标签中要求给出公式和相关系数等，可以得到拟合的直线。

　　由图中可知，拟合的直线是y=15620x+66061，R2的值为09994。

　　因为R2 >099，所以这是一个线性特征非常明显的实验模型，即说明拟合直线能够以大于9999%地解释、涵盖了实测数据，具有很好的一般性，可以作为标准工作曲线用于其他未知浓度溶液的测量。

第一篇 基础知识篇

第1章 SPSS for Windows简介 2

11 SPSS for Windows概述 2

12 SPSS的运行方式 3

13 SPSS模块与安装 3

131 SPSS for Windows 170模块介绍 3

132 SPSS for Windows 170安装步骤 4

14 SPSS的主要界面 9

141 SPSS的启动 9

142 SPSS的数据编辑窗口 10

143 SPSS的结果输出窗口 14

15 本章小结 17

第2章 数据的基本操作 18

21 建立数据文件 18

211 输入数据建立数据文件 19

212 直接打开其他格式的数据文件 19

213 使用数据库查询建立数据文件 20

214 导入文本文件建立数据文件 22

22 编辑数据文件 22

221 输入数据 23

222 定义数据属性 23

223 插入或删除数据 32

224 数据的排序 33

225 选择个案 34

226 转置数据 36

227 合并数据文件 37

228 数据的分类汇总 42

229 数据菜单的其他功能 45

23 数据加工 46

231 数据转换 46

232 数据手动分组（编码） 49

233 数据自动分组（编码） 53

234 产生计数变量 54

235 数据秩（序）的确定 56

236 替换缺失值 59

24 数据文件的保存或导出 60

241 保存数据文件 60

242 导出数据文件 61

25 本章小结 62

第3章 统计图表绘制 63

31 条形图 63

32 线图 69

33 面积图 71

34 饼图 73

35 高低图 75

36 箱图 77

37 直方图 79

38 本章小结 80

第4章 基础统计描述 81

41 数理统计量概述 81

411 均值（Mean）和均值标准误差（SE mean） 81

412 中位数（Median） 82

413 众数（Mode） 82

414 全距（Range） 83

415 方差（Variance）和标准差（Standard Deviation） 83

416 峰度（Kurtosis）和偏度（Skewness） 84

417 四分位数（Quartiles）、十分位数（Deciles）和百分位数（Percentiles） 85

42 数据描述 85

43 频数分析 88

44 探索分析 92

45 交叉列联表分析 97

46 比率分析 103

47 P-P图、Q-Q图 106

48 本章小结 108

第二篇 SPSS统计分析常用模块篇

第5章 均值分析与方差分析 110

51 均值分析 111

52 方差分析概述 117

521 方差分析的基本原理 117

522 方差分析的概念和假设 119

53 单因素方差分析 119

54 多因素方差分析 129

55 重复度量 139

551 数据重构 141

552 重复度量 143

56 协方差分析 149

561 非饱和模型的SPSS操作 150

562 饱和模型的SPSS操作 153

57 本章小结 155

第6章 参数检验 156

61 参数检验概述 157

611 参数检验问题的提出 157

612 参数检验的基本步骤 158

62 单样本T检验 159

621 单样本T检验的基本方法 159

622 单样本T检验的实例 160

63 独立样本T检验 164

631 独立样本T检验的基本方法 164

632 独立样本T检验的实例 165

64 配对样本T检验 168

641 配对样本T检验的基本方法 168

642 配对样本T检验的实例 169

65 本章小结 172

第7章 非参数检验 173

71 卡方检验 174

711 卡方检验的基本原理 174

712 卡方检验的实例 175

72 二项分布检验 179

721 二项分布检验的基本原理 179

722 二项分布检验的实例 179

73 游程检验 182

731 游程检验的基本原理 182

732 游程检验的实例 182

74 单个样本K-S检验 185

741 单个样本K-S检验的基本原理 185

742 单个样本K-S检验的实例 186

75 两个独立样本的非参数检验 190

751 两个独立样本Mann-Whitney U检验 191

752 两个独立样本非参数检验的实例 191

76 K个独立样本的非参数检验 195

77 两个相关样本的非参数检验 200

78 K个相关样本的非参数检验 204

79 本章小结 207

第8章 相关分析 208

81 简单相关分析 208

811 简单相关分析的基本思想 208

812 相关系数 209

813 简单相关分析的操作步骤 211

82 散点图 213

83 偏相关分析 216

84 本章小结 218

第9章 回归分析 219

91 线性回归 220

911 线性回归的基本原理 220

912 SPSS线性回归 223

913 一元线性回归 229

914 多元线性回归 236

92 非线性回归 241

921 非线性回归的基本原理 241

922 SPSS非线性回归 241

93 曲线估计 248

94 logistic回归 254

95 本章小结 263

第10章 聚类分析 264

101 聚类分析概述 265

1011 聚类分析的基本原理 265

1012 聚类分析的基本方法 266

1013 不相似测度的度量方法 268

102 系统聚类分析 271

103 二阶聚类分析 280

104 K-均值聚类分析 292

105 本章小结 300

第11章 判别分析 302

111 判别分析的基本原理 303

112 SPSS判别分析 303

113 本章小结 314

第12章 因子分析与主成分分析 315

121 基本原理 316

1211 主成分分析 316

1212 因子分析 316

1213 方法用途 317

1214 使用条件 317

1215 常用概念和分析步骤 318

1216 主成分和公因子数量的确定 318

1217 主成分和因子分析的联系与区别 319

122 因子分析 320

1221 因子分析的数学模型 320

1222 因子分析的基本方法 320

1223 因子分析的实例 321

123 主成分分析 327

1231 主成分分析的数学模型 328

1232 主成分分析的基本方法 328

1233 主成分分析的实例 329

124 本章小结 338

第13章 可靠性分析 339

131 可靠性分析概述 340

1311 可靠性分析的基本原理 340

1312 可靠性分析的基本方法 341

132 SPSS可靠性分析 342

133 可靠性分析的其他问题 348

1331 拆半可靠性系数模型 348

1332 Guttman模型 351

1333 平行模型 352

134 本章小结 353

第14章 时间序列分析 354

141 时间序列分析概述 355

1411 时间序列数据及其分析方法 355

1412 时间序列分析的模型、公式和记号 355

1413 SPSS时间序列分析功能 359

142 时间序列数据的预处理 359

1421 定义日期变量 360

1422 创建时间序列 361

1423 填补缺失数据 365

143 指数平滑法 367

144 自回归模型 371

145 ARIMA模型 378

146 周期性分解 386

147 本章小结 390

第15章 生存分析 391

151 生存分析概述 392

152 寿命表法 393

153 Kaplan-Meier分析 398

154 Cox回归分析 405

155 本章小结 412

第三篇 SPSS 170行业应用实例篇

第16章 SPSS行业应用实例——社会调查与统计 414

161 全国各地区农民家庭收支的分布规律分析 414

1611 实例内容说明 414

1612 实现方法分析 415

1613 具体操作步骤 416

162 判定新生婴儿的性别比例是否正常 434

1621 实例内容说明 434

1622 实现方法分析 435

1623 具体操作步骤 436

第17章 SPSS行业应用实例——市场研究/企业数据分析 440

171 某商品销售量与超市规模和摆放位置的方差分析 440

1711 实例内容说明 440

1712 实现方法分析 441

1713 具体操作步骤 442

172 汽车配件公司某产品尺寸的参数检验分析 455

1721 实例内容说明 455

1722 实现方法分析 455

1723 具体操作步骤 456

第18章 SPSS行业应用实例——证券金融统计 461

181 股票日历效应分析 461

1811 实例内容说明 461

1812 实现方法分析 462

1813 具体操作步骤 462

182 汇率影响因素分析 489

1821 实例内容说明 489

1822 实现方法分析 490

1823 具体操作步骤 491

第19章 SPSS行业应用实例——医学统计 513

191 两组不同治疗方法的生存率分析 513

1911 实例内容说明 513

1912 实现方法分析 514

1913 具体操作步骤 514

192 判断不同群体的患病比例有无差异 520

1921 实例内容说明 520

1922 实现方法分析 521

1923 具体操作步骤 521

第20章 SPSS行业应用实例——生物学统计 530

201 判断某种元素的缺乏是否对另一种元素含量有影响 530

2011 实例内容说明 530

2012 实现方法分析 531

2013 具体操作步骤 532

202 根据动物身体属性数据分析个体之间的相似性 535

2021 实例内容说明 535

2022 实现方法分析 535

2023 具体操作步骤 535