主成分分析（Principal components analysis，即PCA）是一种将多个变量降维，压缩数据量以更直接地表达因变量与自变量关系的方法。基于3 种盆栽方式的芦苇生长量指标的主成分分析结果（表3-2-1）表明，芦苇生长指标主成分分析（PCA）的第一主分量占67.94%，第二主分量占19.21%，前2 个主要特征向量的方差占总方差的85%以上，即累积贡献率为87.15%，具有较好的排序效果。其中，第一主成分中，各指标的载荷量基本稳定；第二主成分中，株径（X4）具相对较大的载荷，2 个主成分的表达式分别为Y1=0.40X1+0.39X2+0.46X3+0.26X4+0.45X5+0.45X6、Y2=-0.41X1-0.51X2+0.13X3+0.72X4+0.07X5+0.18X6。因此，成活株数（X1）、盖度（X2）、株高（X3）、株径（X4）、节间数（X5）以及展叶数（X6）均可以在一定程度上反映芦苇的生长状况。
表3-2-1 主成分分析各指标的载荷量信息
相关分析结果（表3-2-2）表明，3 种栽种方式下芦苇生长的成活株数（X1）、盖度（X2）、株高（X3）、株径（X4）、节间数（X5）以及展叶数（X6）等生长指标具有一定的正相关关系。而不同栽种方式下各生长指标的相互影响程度不同，具有代表性的如成活株数和节间数的关系：斜茎法成正相关，但不显著（P＞0.05）；起墩法成极显著正相关（P＜0.01）；压条法成显著正相关（P＜0.05）。(www.xing528.com)
表3-2-2 芦苇生长指标的相关性
注：**表示0.01 水平（双侧）上显著，*表示0.05 水平（单侧）上显著
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
