当前位置：文档之家 › 11250401149王宁博主成分分析

11250401149王宁博主成分分析

  • 格式：doc
  • 大小：314.00 KB
  • 文档页数：19

下载文档原格式

  / 19

合集下载

薄层色谱法测定强力宁注射液中的三种成分

薄层色谱法测定强力宁注射液中的三种成分
三种 待测物 的溶剂 。见图 ｌ 。
Байду номын сангаас
甘 草酸单 铵 （ 甘肃兰特 植物 化学 有限公 司 ， 批号 ２ ０ Ｏ ５ ；． ０ １ １ ） Ｌ 盐酸 半胱 氨酸 （ ０ － 上海康达 氯基 酸厂 ， 批
号 ２０ ２２ ； 基 乙酸 （ 津 天 成制 药 有限 公 司 ， ０ １ １） 氯 ０ 天
批 号 ０ １０ ］ ０ ２ １。
２３２ 三 角优 化 法０ 根 据点滴 试验 法 结果 ． 择 ．． ｊ ’ 选
正丁 醇 ． 丙 醇 ， 正 甲醇 作 溶 剂 ， 用 水 调 节 极 性 ， 再 用 Ｇ ａ ｈ三 角 优化 法 进 行 优 化 后 得 到 最 佳 展 开 剂 组 ｌｊ ｅ 成 ： 正丁 醇一 丙 醇一 水一 正 甲醇 （ ５：４： ） 极性 参 ５： ２，
法进 行鉴别 ， 方法较 为繁琐 ， 不 能同时 鉴别 。经 研 且
种对 照品适 量 ， 水溶 解 并稀 释 成 与单 一 对 照品 一 加
致 的浓 度。
２ ２ 薄 层 扳 的 制 备 ．
究用薄 层 色谱 法可 同时 鉴别 甘草 酸 单铵 、 一 酸半 Ｌ盐 胱 氯酸 、 氨基 乙酸 ， 果专 属性强 ， 结 三组份 色斑 明显 ，
Ｃｅｆ ￣ｉ ￣： Ａ ￣ ｅ ｏｆ ｉ ｍ ｔ ｖｉ ｗ
薄 层色 谱法 测 定强 力宁注射 液 中 的三种 成分
张 鸣 查海 兵 王育 良
２ ５０ ） １ ６ ０
张 家港 第一 人 民医院
（ 家港 张
强力 宁注 射 液是 治 疗 慢性 迁 延性肝 炎 ， 慢性 活
动性肝 炎的常 用制 剂之 一 。主要 成 分为甘 草酸单
２ ３ 展 开 剂 的 选 择

各类成分分析生物碱

各类成分分析生物碱
士的宁的含量测定： P127 碱化+ CHCl3提取→酸水
提→碱化→CHCl3萃取
完整版课件ppt
12
三、供试品溶液的制备
2、氧化铝柱色谱法：
益母草（药典P203）
O
水苏碱的薄层鉴别：
N O
取本品3g → 乙醇回流提取 → 上活 性炭-氧化铝柱 → 乙醇洗脱→收集
完整版课件ppt
13
三、供试品溶液的制备
完整版课件ppt
15
四、定性鉴别
（二）薄层鉴别 1、展开系统：乙二胺、氨水 P122
正丁醇-盐酸-水（4:1:0.5）生物碱盐
2、对薄层板改性：1~2%NaOH溶液
例：黄连中生物碱 苯-EtOAc-MeOH-异丙醇-水 （6:3:1.5:1.5:0.3） 置氨水饱和的展开槽
完整版课件ppt
16
四、定性鉴别
OH NO2
NO2
沉淀特点：酸性水溶液（苦味酸在中性）中
沉淀多肽、鞣质
完整版课件ppt
10
二、理化性质
4、光谱特征
小檗碱：225 、 270 、 331nm 366nm下 有荧光
麻黄碱：210nm
完整版课件ppt
11
三、供试品溶液的制备
1、有机溶剂提取法： 碱化+ CHCl3
3、离子交换树脂法： 益母草流浸膏（药典P280）
水苏碱的含量测定：
O
取本品5g → 盐酸调pH1~2 → N
O
加置强酸型阳离子树脂柱 → 水洗
脱（弃去） → 氨水洗脱 → 收集
完整版课件ppt
14
四、定性鉴别
（一）理化鉴别 马钱子散：马钱子、地龙
取马钱子散→加浓氨试液→三氯甲烷 浸泡→滤过→滤液蒸干→加稀盐酸→加 碘化铋钾试液→黄棕色沉淀

高效液相色谱法同时测定食品中 8 种食品添加剂

高效液相色谱法同时测定食品中 8 种食品添加剂
摘 要：建立一种高效液相色谱同时测定食品中 8 种食品添加剂（4 种防腐剂、4 种甜味剂）的方法。最终 确定的分离条件是安捷伦 XDB C18 反相色谱柱（250 mm×4.6 mm×5 μm），流动相是 20 mmol·L-1 乙酸铵和甲醇， 梯度洗脱，PDA 检测器（190 ～ 400 nm）监测。8 种添加剂在 1 ～ 100 mg·L-1 范围内线性良好，相关系数 R 大于 0.997，检出限在 0.5 ～ 2.0 mg·kg-1 范围内，加标回收率在 92.0% ～ 98.2%，相对标准偏差为 1.02% ～ 2.99%，该 方法可应用于多种食品基质。
目前，测定食品添加剂的方法主要有液相色谱法、 气相色谱法、液相色谱 - 质谱联用法等 [3]，而本文涉 及的 8 种食品添加剂主要是运用的液相色谱法，依据 的国家标准有《食品中苯甲酸、山梨酸和糖精钠的测 定》《食品中脱氢乙酸的测定》《食品中阿斯巴甜和 阿力甜的测定》《饮料中乙酰磺胺酸钾的测定》和《食 品中纳他霉素的测定 液相色谱法》[4-8]。对于同一食品 样品，需要依据多个标准进行多次检验，效率较低，
检测样品：来自河北省承德市双滦区超市，包括 饮料、香肠、面包、糕点、辣条等常见食品。试剂： 甲 醇 和 乙 腈（ 色 谱 级， 美 国 Fisher 公 司）； 乙 酸 铵 （HPLC，99.5%，西亚试剂）；亚铁氰化钾和乙酸锌（分 析纯，永大试剂）；娃哈哈纯净水。标准品：苯甲酸、 山梨酸、糖精钠（1 mg·mL-1，中国计量科学研究院）； 安赛蜜（1 000 μg·mL-1，坛墨质检）；阿斯巴甜（纯 度 99.5%，Standard Analytical Chemicals）； 阿 力 甜 （纯度 99.2%，ANPEL）；脱氢乙酸（纯度 99.2%， 坛墨质检）；纳他霉素（纯度 98.6%，TMstandard）。 1.3 试验方法

国产药用丁基胶塞中微量成分分析

国产药用丁基胶塞中微量成分分析
取 液 中 主要 包 括硅 氧烷 类 化 合 物 、 抗 氧 剂 和 增 塑 剂 以 及 烷 烃 类化 合 物 。 关键词 ： 丁 基 胶塞 ； 微量成分 ； 气相色谱／ 质谱 ； 红外光谱／ 热 重分 析 中图分 类 号 ： ＴＱ３ ３ ３ ． ６ ； ＴＱ ３ ３ ６ ． ６ ； ０６ ５ ７ ． ６ ３ ／ ． ７ ／ ． ３ ３ 文献标志码 ： Ｂ 文章 编 号 ： １ ０ ０ ０ — ８ ９ ０ Ｘ（ ２ ０ １ ３ ） １ １ ０ ６ ９ ３ — ０ ４
温度 ２ ０ ０℃ 。
８ ｃ ｍ＿ 。 ； 扫 描
４ ０ ｋ Ｈｚ ； 扫 描 次 数
取药 用 氯 化 丁基 胶 塞 ５个 ， 置于 ２ ５ ０ ｍＬ三
颈烧 瓶 中 ， 加 入 有 机溶 剂 １ ０ ０ ｍＬ， 加 热 回流 。 回 流结 束后 ， 将 萃取液 置 于锥形 瓶 中 。 自然 冷却 后 ，
利用 ０ ． ２ ２ ｔ ｔ ｍ 有机 相滤 塞 将悬 浮 物 滤 出 ， 置 于 具 塞 试管 中 ， 在 ＧＣ ／ ＭＳ上直 接进 样 。 １ ． ４ 仪 器条 件
用仪 ， 美 国 Ｔｈ ｅ ｒ ｍｏ 公司产品； Ｎ６ ７ ０型 Ｆ Ｔ Ｉ Ｒ仪 ，
美 国热 电 Ｎ ｉ ｃ ｏ ｌ ｅ ｔ 公 司产 品； Ｓ Ｔ Ａ ４ ４ ９ Ｆ ３型 Ｔ Ｇ
仪， 德 国耐 驰 公 司产 品 ； Ｆ Ａ２ ０ ０ ４型 Ｍｅ ｔ ｔ ｌ ｅ ｒ电 子
天平 ， 上海 精 密 天 平 厂 产 品 ； Ｃ ｓ ５ Ｏ １ ＡＢ型恒 温水
摘要 ： 利 用气 相 色谱 ／ 质联和红外光谱／ 热重分 析联用技术 ， 对 药 用 丁 基 胶 塞 中 的 易 迁 移 成 分 进 行 分 析 。结 果 表

地黄不同炮制品指纹图谱模式识别及多成分含量测定

地黄不同炮制品指纹图谱模式识别及多成分含量测定

收稿日期：2022-03-22基金项目：河南省科学院预算项目（210913009；220613105；230613040），河南省科技攻关项目（222102310021）作者简介：张丽先（1989-），女，河南郑州人，助理研究员，硕士，主要从事中药新药研发与质量评价研究，（电话）*************（电子信箱）****************；通信作者，魏悦（1983-），男，河南郑州人，助理研究员，硕士，主要从事中药质量评价及创新中药研究，（电话）张丽先，魏悦，李飞飞，等.地黄不同炮制品指纹图谱模式识别及多成分含量测定［J ］.湖北农业科学，2023，62（9）：135-141．地黄不同炮制品指纹图谱模式识别及多成分含量测定张丽先1，魏悦1，李飞飞2，李智宁1，张桃桃1（1.河南省纳普生物技术有限公司，郑州450000；2.河南省科学院天然产物重点实验室，郑州450000）摘要：建立地黄（Rehmannia glutinosa Libosch.）不同炮制品（鲜地黄、地黄片、生地黄、熟地黄）HPLC 指纹图谱及11个指标成分含量测定方法，指认11个共有峰，结合主成分分析（PCA ）法和聚类分析（HCA ）法分析炮制过程中化学成分变化趋势，为地黄不同炮制品质量评价及药理药效研究奠定基础。

结果表明，HPLC 指纹图谱结合多指标成分含量测定的方法适用于地黄不同炮制品的HPLC 指纹图谱分析，PCA 和HCA 结果显示，熟地黄明显区别于鲜地黄、地黄片、生地黄，鲜地黄和地黄片在PCA 中分为2类，HCA 中鲜地黄和地黄片聚为一类；11种指标成分线性关系良好，R 2≥0.9995，11种指标成分含量变化趋势各不相同。

HPLC 指纹图谱结合多指标成分含量测定的方法反映了地黄炮制过程中的化学成分变化，适用于不同炮制阶段地黄的质量评价，为药理药效研究及质量标记物的发现奠定研究基础。

关键词：地黄（Rehmannia glutinosa Libosch.）；炮制；HPLC ；指纹图谱；含量测定；模式识别中图分类号：R917文献标识码：A文章编号：0439-8114（2023）09-0135-07DOI:10.14088/ki.issn0439-8114.2023.09.025开放科学（资源服务）标识码（OSID ）：Fingerprint pattern recognition and multi-component content determination of different processed products of Rehmannia glutinosa Libosch.ZHANG Li-xian 1，WEI Yue 1，LI Fei-fei 2，LI Zhi-ning 1，ZHANG Tao-tao 1（1.Henan Napu Biotechnology Co.，Ltd.，Zhengzhou 450000，China ；2Key Laboratory of Natural Products ，Henan Academy of Sciences ，Zhengzhou 450000，China ）Abstract ：HPLC fingerprint of different processed products of Rehmannia glutinosa （fresh Rehmannia glutinosa ，Rehmannia glutino⁃sa tablets ，raw Rehmannia glutinosa ，and cooked Rehmannia glutinosa ）was established and the content of 11indicator components was determined.11common peaks were identified ，and principal component analysis （PCA ）and cluster analysis （HCA ）were com⁃bined to analyze the trend of chemical composition changes during the processing ，laying a foundation for the quality evaluation and pharmacological research of different processed products of Rehmannia glutinosa .The results showed that the method of combiningHPLC fingerprint with multi indicator component content determination was suitable for the HPLC fingerprint analysis of different pro⁃cessed products of Rehmannia glutinosa .PCA and HCA results showed that cooked Rehmannia glutinosa was significantly different from fresh Rehmannia glutinosa ，Rehmannia glutinosa tablets ，and raw Rehmannia glutinosa .Fresh Rehmannia glutinosa and Rehm⁃annia glutinosa tablets were classified into two categories in PCA ，while fresh Rehmannia glutinosa and Rehmannia glutinosa tablets were clustered into one category in HCA ；the linear relationship between the 11indicator components was good ，with R 2≥0.9995.Thevariation trends of the content of the 11indicator components were different.The method of combining HPLC fingerprint with multi in⁃dicator component content determination reflected the chemical composition changes during the processing of Rehmannia glutinosa ，which was suitable for quality evaluation of Rehmannia glutinosa at different stages of processing ，laying a research foundation for pharmacological and pharmacological research and the discovery of quality markers.Key words ：Rehmannia glutinosa Libosch.；processing ；HPLC ；fingerprint ；content determination ；pattern recognition湖北农业科学2023年地黄为玄参科植物地黄（Rehmannia glutinosa Libosch.）的新鲜或干燥块根。

高效液相色谱法测定呋喃西林原料药的含量

高效液相色谱法测定呋喃西林原料药的含量
２３ 线性关系考察
精密移取呋喃西林对照品储备液 ０４、０６、 ０８、１０、１２、１４ｍＬ，分别置于 ２５ｍＬ的容量 瓶中，用纯净水稀释并定容，摇匀，得到质量浓度 分别为 ３２、４８、６４、８０、９６和 １１２ｍｇ／Ｌ的 呋喃西林 标 准 溶 液．按 “１２１”项 的 色 谱 条 件， 精密量取不同质量浓度的标准溶液各 ２０μＬ注 入液相色谱 仪，以 色 谱 峰 面 积 （ｙ）为 纵 坐 标，以 各自的质量浓度（ｘ，ｍｇ／Ｌ）为横坐标，得到呋喃 西林的线性回归方程为：ｙ＝９９７４ｘ＋８２２５（Ｒ２ ＝０９９９２）．线性回归分析表明，呋喃西林在质 量浓度为 ３２～１１２ｍｇ／Ｌ的范围内与峰面积 具有良好的线性关系．
对照品储备液的配制：精密称取 １０５ｍｇ呋 喃西林对照品，置于烧杯中，用纯净水溶解，并完 全转移至 ５０ｍＬ的容量瓶中，再用纯净水稀释 并定容，摇匀，得到质量浓度为 ０２ｇ／Ｌ的对照 品储备液．
对照品溶液的配制：精密量取 １ｍＬ上述对 照品储备液，置于 ２５ｍＬ的棕色容量瓶中，用纯 净水稀释并定容，摇匀，得到质量浓度为 ８ｍｇ／Ｌ 的对照品溶液．
图 １ 呋喃西林的化学结构式 Ｆｉｇ．１ Ｃｈｅｍｉｃａｌｓｔｒｕｃｔｕｒｅｏｆｎｉｔｒｏｆｕｒａｚｏｎｅ
１ 实验部分
１１ 仪器与试剂
安捷伦 １２６０高效液相色谱仪（美国 Ａｇｉｌｅｎｔ 公司），ＫｒｏｍａＳｉｌ液 相 色 谱 柱 （大 连 中 汇 达 科 学 仪器有限公司），ｐＨＳＪ５型 ｐＨ计（上海精密科 学仪器 有 限 公 司），ＢＳＡ２２４ＳＣＷ 型 电 子 天 平 （北京赛多利斯天平有限公司）．
呋喃西林，化学名称 ５硝基２呋喃甲醛缩 氨基脲，化学结构式如图 １所示，对金黄色葡萄 球菌、带芽孢的枯草杆菌以及大肠杆菌有抗菌作 用，为硝基呋喃类外用消毒药［１］．呋喃西林含量 测定方法主 要 采 用 紫 外可 见 分 光 光 度 法，操 作 简便，精密度较好，但因呋喃西林化学稳定性较 差，在制备和贮存过程中易降解，而该法不能排 除其降解产物的干扰，故准确度较差［２］．高效液 相色 谱 法 （ＨＰＬＣ）因 操 作 简 单、分 析 速 度 快、选 择性好等 优 点 在 药 物 分 析 中 被 广 泛 应 用［３］．目 前，文献报道主要为测定不同呋喃西林制剂含量 的 ＨＰＬＣ法［４－７］．本文采用 ＨＰＬＣ法对呋喃西林 原料药的含量进行测定，按照人用药物注册技术 要求国际协调会（ＩＣＨ）标准［８］对建立的方法进行 验证，并应用于呋喃西林原料药分析．相关研究为 呋喃西林药物的质量控制及临床用药提供参考．

综合主成分分析用于黄芪药材的质量评价


优劣 排序 2 5
11 6 1 4 10 9 3 8 12 7
黄芪对照药材 漳县 ( 2001 . 10) 渭源县 ( 2002 . 7) 岷县 ( 红土地 2002 . 10) 岷县 ( 2001 . 10) 岷县 ( 黄土地 2002 . 10) 漳县 ( 2002 . 10) 陇西县 ( 一年生 2002 . 7) 陇西县 ( 二年生 2002 . 7) 漳县 ( 2001 . 10) 岷县 ( 2002 . 10) 陇西县 ( 2001 . 10)
为了全面了解甘肃黄芪药材的质量 , 胡芳弟等 [3 ] 采用高效 液相色谱法研究了甘肃不同产区 12 个蒙古黄芪样品的指纹图 谱 , 并测定了黄芪甲苷 、 毛蕊异黄酮及芒柄花素的含量 , 样品来 源及测定结果见表 1 。据文献 [4 , 5 ] 报道黄芪皂苷及异黄酮类具 有相当的药理活性 , 因此 , 可以用以上三个成分的含量作为指 标来评价黄芪药材的质量优劣 , 本文尝试使用综合主成分分析 对其进行综合评价 , 算法实现语言为 MATLAB ,程序自编 。 首先对数据进行标准化处理后 , 计算各指标成分的相关 系数 R ( 只列出下三角部分) :
i =1 q
表2 特征根 、 特征向量 (α) 、 各主成分的 贡献率 ( 按特征根大小排序后) α 1
X1 X2 X3
计算各样本在综合主成分上的得分 , 记为 Fi ( i = 1 , 2 , …
, n) 。一般地 , 有效组分的含量越高质量越好 , 因此 , 综合主成
α 2
- 0 . 8749 - 0 . 3253 - 0 . 3587 0 . 5851 0 . 1950 0 . 9814
fq=α 1 3 Z1 + α 2 3 Z2 + …α q 3 Z p , 其中 Z i ( i = 1 , 2 …p)

黄芩饮片质量控制中主成分分析法的应用分析

黄芩饮片质量控制中主成分分析法的应用分析摘要】目的：分析黄芩饮片质量控制中主成分分析法的应用，以便对黄芩饮片质量做出综合的评价。

方法：选择高效液相色谱指纹图技术对黄芩饮片进行提取，在选择了共有峰后，以此当作变量因子对黄芩主要成分进行分析，实现降维分析作用。

结果：应用主成分分析法分析黄芩饮片质量控制情况，对黄芩饮片做出综合的评价和合理分析。

结论：应用主成分分析技术对黄芩饮片能更好的进行质量控制，可以作为中药饮片常规质量控制方法使用，值得推广应用。

【关键词】黄芩饮片；质量控制；主成分分析法【中图分类号】R286 【文献标识码】B 【文章编号】2095-1752（2016）14-0327-02黄芩干燥根能起到清热燥湿和泻火解毒、止血的作用，对于湿温、泻痢及黄疸、高热咳嗽、胎动不安等症状均有理想的治疗效果[1]。

本次研究中，应用主成分分析技术结合指纹图谱技术对黄芩饮片做出质量控制分析，从而得到有效的数据信息分析。

1.仪器与方法1.1 试验仪器选择高效液相色谱仪及自动进样系统、超声波清洗器、自动双重纯水蒸馏器等作为基础研究仪器。

再选择我市大药房采购的黄芩饮片进行数据分析，以黄芩干燥根为制备研究对象，再选择黄芩苷为对照。

1.2 方法色谱条件：选择色谱柱与流动相（0.2%的磷酸水与甲醇），流速控制在1mL·min-1，波长控制在280nm，而柱温为30℃，进样量为10?L，分析计数黄芩苷峰大于7000。

制备对照品溶液可以取黄芩苷适量，称量后加入到甲醇中，溶解后定容到25ml，把浓度控制在0.084mg·mL-1。

制备供试品溶液取黄芩饮片粉，取量为0.3g，称量后加入到甲醇后经过超声30分钟后提取，在室温下以甲醇定容到25ml再摇匀[2]。

试验方法：取黄芩苷对照溶液进样7次后，对峰面积进行检测，检测结果为RSD=0.06%，表示测量仪器的精密度较高。

以同供试品溶液取适量在不同时间段进行检测，结果表明，RSD=0.33%，可见，供试品溶液处于36h内的稳定性最佳。

直观推导式演进特征投影法测定不同方法提取的国产血竭中龙血素B 的含量

直观推导式演进特征投影法测定不同方法提取的国产血竭中龙血素B 的含量亓云鹏1　孙胜利1　吴玉田31　李通化2　宓鹤鸣1　柴逸峰11(第二军医大学药学院药物分析教研室,上海200433) 2(同济大学化学系,上海200092)摘　要　利用HP LC 2DAD 产生的二维数据和化学计量学方法———直观推导式演进特征投影法(HE LP ),解析了不同提取方法得到的国产血竭中的重叠色谱峰,并对其中的指标性成分———龙血素B 进行了含量测定,结果满意。

这表明化学计量学方法与现代分析手段有机结合,将为中药等复杂体系的分析提供一条新途径。

关键词　国产血竭,龙血素B ,直观推导式演进特征投影法,化学计量学　2001208216收稿;2002202204接受本文系军队“十五”重点资助项目(N o.01Z 064)1　引 言血竭是传统中药,具有祛瘀定痛、止血生肌的功效。

中医主要用于治疗跌打损伤、内伤瘀痛、外伤出血等症1。

血竭以往从无国产,全靠进口,故价格昂贵,使临床应用受到限制。

七十年代以来,以龙血树树脂为原料,研制开发的具相似临床疗效的国产血竭在各地区广泛使用。

但是,对不同产地、不同提取方法生产的国产血竭质量的比较研究,至今未见报道。

本文通过高效液相色谱法比较不同提取方法得到的国产血竭的质量,其中发现存在色谱峰重叠现象,影响了含量测定结果的准确性。

对此,我们利用HP LC 2DAD 产生的二维数据和化学计量学方法———直观推导式演进特征投影法(HE LP )进行了解析,并对指标性成分———龙血素B 进行了含量测定,取得满意结果。

HE LP 2,3充分利用了联用色谱数据中的选择性信息,具有从原始数据的背景扣除一直到重叠峰分辨的所有解析过程。

其主要步骤为:(1)确定二维数据的背景并进行扣除;(2)确定分析体系的组分数及各组分的选择性区域和零浓度区域;(3)利用满秩分辨技术解析出各组分的纯色谱和纯光谱;(4)用总体积积分法等进行定量。

一种肟醚类化合物及其用途[发明专利]

专利名称：一种肟醚类化合物及其用途
专利类型：发明专利
发明人：程学明,于海波,陈亮,吴鸿飞,孙庚,郭春晓,徐利保,徐靖博,孙宁宁
申请号：CN202011202894.4
申请日：20201102
公开号：CN112778232A
公开日：
20210511
专利内容由知识产权出版社提供
摘要：本发明公开了一种结构新颖的肟醚类化合物，结构如通式I所示，式中各取代基的定义见说明书。

通式I化合物具有优异的杀菌活性，对植物细菌病害和真菌病害具有良好的防治效果，本发明包括通式I化合物在农业和其它领域中用作杀菌剂的用途。

申请人：沈阳中化农药化工研发有限公司
地址：110021 辽宁省沈阳市铁西区沈辽东路8-1号
国籍：CN
代理机构：沈阳科苑专利商标代理有限公司
代理人：李颖
更多信息请下载全文后查看。

  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

实验报告课程名称多元统计分析实验项目名称三、主成分分析班级与班级代码11250401实验室名称（或课室）北4楼 804 专业统计学任课教师林海明学号：11250401149姓名：王宁博实验日期：2014年4月23日广东商学院教务处制姓名王宁博实验报告成绩评语：1.对主成分分析问题的思路、理论和方法认识正确；2.SAS软件相应计算结果确认与应用正确；3.SAS软件相应过程命令正确。

注:“不正确”为有不正确之处，具体见后面批注。

指导教师（签名）林海明2014年4月日说明：指导教师评分后，实验报告交院（系）办公室保存。

实验目的：通过主成分分析的实验,熟悉主成分分析问题的提出、解决问题的思路、方法和技能，会调用SAS软件主成分分析等有关过程命令，根据计算机计算的结果，分析和解决主成分分析问题。

实验原理：解决主成分分析问题的思路、理论和方法。

实验设备：计算机与SAS软件。

实验数据：奥运会男子径赛的8项变量为:X1—100米(秒)，X2—200米(秒)，X3—400米(秒)，X4—800米(分)，X5—1500米(分)，X6—5000米(分)，X7—10000米(分)，X8—马拉松(分)，原始数据见表1.实验步骤：1.指标的正向化（单独计算）、指标数据标准化（SAS软件自动执行）；2.调用因子分析过程命令输入正向化数据求得相关系数阵R的特征值λ、信息累计贡献率，给出简单结构的主成分载荷阵0s L(初始因子载荷iL(k≥s)；阵)，选出达到简单结构的旋转后因子载荷阵Γk3.调用主成分分析过程命令输入正向化数据求得主成分y1、y2、…、y m的系数向量，主成分y1、y2、…、y m的样品值;4.计算综合主成分y综变量系数（调用iml过程命令）；5.计算综合主成分y综的样品值（调用iml过程命令）；6.用主成分y1、y2、…、y m样品值的标准化值做聚类分析（调用聚类分析类平均法过程命令）等；实验结果、实验分析、结论（有关表图要有序号和中文名称，表的序号和中文名在表的上方、表的上下线为粗线、表的内线为细线、表的左右边不封口，图的序号和中文名在图的正下方，表图不能跨页、表图旁不能留空块, 引用结论要注明参考文献）：(1)数据预处理：对原始指标进行正向化、标准化，记为X=(x1,…,x p)′；(2)指标X可降维的判定：如果变量间有相关系数的绝对值≥0.8，则指标X可降维；(3)选出简单结构的初始、旋转后因子载荷阵：因子分析主成分法下，列数s=1时，初始因子载荷阵B01(表2B03的第1列)达到简单结构；从多个不同列的旋转后因子载荷阵中挑选得(见表3频数的第2~4列)，m=1时，旋转后因子载荷阵B01Г1(表2)达到简单结构(此时，Г1=1)；(4)主成分有较为清楚解释的判定：B 01同B 01Г1比较：由表2的B 01得表3频数的第1列，表3频数的第1~2列表明，B 01、B 01Г1是一致的简单结构，故主成分有较为清楚的解释；(5)确定主成分个数：变量正态分布下，取显著水平为5%，显著相关的临界值是r =0.5, 由B 08有：}{max 0181i i b ≤≤=b 011 1=0.95837、}{max 0281i i b ≤≤=b 012=0.54565≥r ；}{max 081ij i b ≤≤<r ，j >2，即主成分y 1、y 2与X 显著相关，故k =2，累计方差率为93.48%；(6)主成分的正向化、命名：由B03(见表2)得表4，主成分y1与全部指标x1～x8显著正相关，y1中x1～x8的综合影响是越大越好，故y1是正向的，y1称为奥运会男子径赛水平成分；主成分y2与x1(100米（秒）)显著正相关，x1的影响是越大越好，故y2是正向的，由于x1同时对y1、y2显著正相关，相关系数分别为0.80679、0.54565，故y2称为男子100米径赛补充成分。

λ1=6.56896573、λ 2 =0.90978515，主成分y1、y2如下：y1=0.314784x1+0.337601x2+0.356468x3+0.368989x4+0.373924x5+0.36 4092x6+0.366459x7+0.342110x8y2=0.572063x1+0.458594x2+0.238181x3+0.025168x4-0.135045x5-0.31 6945x6-0.312962x7-0.434092x8(7)构造主成分综合评价函数：Y综=(6.5689657y1+0.9097852y2)/8=0.3293639x2+0.3235325x1+0.31979x3+0.3058467x4+0.291679x5+0.2653161x7+0.2629195x6+0.2315473x8Y综的含义：Y综按系数大小对变量排序是x2、x1、x3、x4、x5、x7、x6、x8，评价指数前4个指标注重x2（200米(秒)）、x1（100米(秒)）、x3（300米(秒)）、x4（400米(秒)），故Y综的评估与奥运会男子径赛水平的目标基本相符。

(8)样品值及其排序：计算y1、…、y k，Y综的样品值、并给出其排序(见表5)；(9)样品分类：对主成分y1、…、y k样品值进行标准化后，做系统聚类分析，按主成分综合评价函数Y综中样品值的排序给出n个样品的分类结果；经过比较，选取类平均法较好，分类阈值取1.2时，分成八类，结合Y综样品值排名顺序给出样品分类结果：第一类：美国、英国、意大利、苏联、东德、西德、澳大利亚、法国、波兰、加拿大、巴西；第二类：印度尼西亚、中国台北、菲律宾、缅甸、希腊、智利、卢森堡、韩国、阿根廷；第三类：肯尼亚、奥地利、丹麦、日本、罗马利亚、西班牙、比利时、瑞典、芬兰、捷克期洛伐克、瑞士、匈牙利、中国、哥伦比亚、印度、爱尔兰、以色列、挪威、墨西哥、荷兰、葡萄牙、土耳其、新西兰；第四类：百慕大、马来西亚、新加波、泰国、多米尼加；第五类：朝鲜、柯斯达尼加、危地马拉；第六类：巴布亚新几内亚、毛里求斯；第七类：西萨摩亚；第八类：库克群岛。

(10)评价与建议：结合样品的分类结果,y1、…、y k、Y综的样品值及其排序，y1、…、y k、Y综中变量X及其系数确定指标体系的内在促进关系、制约关系，进行优势、不足、潜力和原因等的综合评价，给出较客观、可靠的决策相关性建议。

以第三类的中国为例，Y综值(-0.483532)排第39，低于全部国家平均水平0.086744，优势不明显。

其中奥运会男子径赛水平成分y1值(-0.54139)排第38，低于平均水平，优势不明显；男子100米径赛补充成分y2值(-0.34281)排第33。

即中国是奥运会男子径赛水平优势不太明显，同时男子100米径赛补充成分方面也有待协调的国家。

原因及问题：具体的不足方面，由表1，奥运会男子径赛水平成分y1中指标x1、x2、 x3、x4、x5、x6、x7、x8排序分别为17、25、29、28、34、31、45、33。

建议：1、因为x1-x8与y1显著正相关，故y1中x1-x8是相互促进的变量，因此中国在继续保持奥运会男子径赛水平成分y1中x1（100米(秒)）排序为17，x2（200米(秒)）排序为25，x4（800米(分)）排序为28，x3（400米(秒)）排序为29优势的前提下，联系性地促进x5（1500米(分)）、x6（5000米(分)）、x7（10000米(分)）、x8（马拉松(分)）的发展和提高。

2、因为x1（100米(秒)）与男子100米径赛补充成分y2显著正相关，因此，中国应发挥好男子100米径赛补充成分的协调作用。

这两方面工作的共同发展和提高，将会使中国有更高水平的奥运会男子径赛。

实验程序：data socecon; input x1-x8; cards;9.625 9.611 8.540 441.989 405.405 356.125 340.599 306.383 9.699 9.970 8.921 459.770 420.168 376.506 361.533 328.878 9.579 9.611 8.543 446.927 416.667 377.074 360.750 310.486 9.671 9.671 8.881 462.428 416.667 378.215 364.299 324.702 9.728 9.718 8.713 444.444 400.000 340.599 327.332 287.785 9.785 9.790 8.848 462.428 409.836 367.107 349.406 316.946 9.398 9.294 8.282 444.444 389.610 346.021 330.251 301.501 9.833 9.891 8.757 454.545 413.223 369.004 355.999 324.203 9.671 9.615 8.658 446.927 404.313 367.377 341.297 314.8189.515 9.506 8.457 441.989 402.145 359.712 343.289 315.996 9.588 9.501 8.677 439.560 401.070 370.645 358.680 321.2418.210 8.621 7.556 396.040 353.774 299.401 282.646 256.1939.141 9.132 8.220 427.807 390.625 356.379 347.102 308.940 9.662 9.685 8.764 454.545 418.994 372.578 354.736 314.138 9.470 9.747 8.716 449.438 415.512 370.370 355.745 322.641 9.862 9.685 8.547 439.560 392.670 335.345 317.965 273.780 9.588 9.667 8.793 459.770 415.512 376.790 363.372 322.419 9.891 9.814 8.834 462.428 420.168 374.813 357.526 318.934 9.881 9.838 8.915 462.428 421.348 379.651 364.697 324.777 9.843 9.818 8.989 462.428 424.929 378.501 362.188 319.103 9.891 9.896 8.903 470.588 427.350 384.320 363.504 326.764 9.785 9.657 8.591 449.438 412.088 342.700 351.494 313.484 9.107 9.166 8.264 423.280 394.737 353.107 332.116 302.842 9.747 9.699 8.692 451.977 414.365 370.645 351.617 318.261 9.434 9.337 8.747 454.545 402.145 363.108 347.102 319.708 9.443 9.307 8.368 434.783 382.653 339.443 324.781 283.511 9.425 9.542 8.639 446.927 421.348 375.375 359.583 318.814 9.337 9.524 8.368 451.977 403.226 366.032 345.662 306.761 9.990 10.142 8.838 462.428 416.667 377.929 363.372 321.903 9.671 9.611 8.722 446.927 412.088 372.856 360.750 328.034 9.560 9.681 8.905 462.428 422.535 381.679 365.230 325.202 9.671 9.574 8.529 446.927 397.878 358.166 342.114 309.688 9.166 9.116 8.457 432.432 397.878 353.857 337.041 322.419 9.662 9.629 8.439 439.560 408.719 366.569 343.879 298.683 9.615 9.560 8.639 439.560 394.737 341.530 322.477 273.8168.937 8.909 8.386 425.532 391.645 332.005 314.762 277.1799.597 9.390 8.677 444.444 410.959 371.471 357.782 326.587 9.506 9.547 8.869 459.770 414.365 374.251 362.188 327.042 9.515 9.579 8.677 459.770 423.729 378.501 361.011 327.144 9.479 9.452 8.563 454.545 414.365 374.813 361.141 320.923 9.124 9.183 8.351 421.053 374.065 339.674 318.878 284.678 9.276 9.242 8.651 441.989 391.645 339.213 326.371 290.459 9.843 9.881 8.818 454.545 416.667 376.223 358.551 320.679 9.497 9.447 8.565 446.927 414.365 380.807 365.230 327.983 9.606 9.533 8.720 454.545 412.088 377.358 361.402 318.453 9.634 9.398 8.439 425.532 385.604 330.907 319.285 267.446 9.597 9.629 8.699 454.545 422.535 375.657 360.620 320.704 9.756 9.704 8.766 451.977 415.512 376.223 357.910 323.012 9.643 9.775 8.737 449.438 422.535 378.215 358.295 321.608 9.443 9.394 8.547 446.927 397.878 355.366 332.557 302.973 9.625 9.483 8.349 437.158 390.625 328.299 306.279 281.4889.337 9.333 8.403 446.927 408.719 368.732 349.895 320.87510.070 10.127 9.120 462.428 424.929 378.788 364.564 329.0839.930 10.000 8.969 457.143 417.827 378.788 363.240 323.209 9.242 9.149 8.163 396.040 353.774 307.125 288.101 260.737 ; proc factor data=socecon R=V n=2; var x1-x8; run;data socecon; input x1-x8; cards;9.625 9.611 8.540 441.989 405.405 356.125 340.599 306.383 9.699 9.970 8.921 459.770 420.168 376.506 361.533 328.878 9.579 9.611 8.543 446.927 416.667 377.074 360.750 310.486 9.671 9.671 8.881 462.428 416.667 378.215 364.299 324.702 9.728 9.718 8.713 444.444 400.000 340.599 327.332 287.785 9.785 9.790 8.848 462.428 409.836 367.107 349.406 316.946 9.398 9.294 8.282 444.444 389.610 346.021 330.251 301.501 9.833 9.891 8.757 454.545 413.223 369.004 355.999 324.203 9.671 9.615 8.658 446.927 404.313 367.377 341.297 314.818 9.515 9.506 8.457 441.989 402.145 359.712 343.289 315.996 9.588 9.501 8.677 439.560 401.070 370.645 358.680 321.2418.210 8.621 7.556 396.040 353.774 299.401 282.646 256.1939.141 9.132 8.220 427.807 390.625 356.379 347.102 308.940 9.662 9.685 8.764 454.545 418.994 372.578 354.736 314.138 9.470 9.747 8.716 449.438 415.512 370.370 355.745 322.641 9.862 9.685 8.547 439.560 392.670 335.345 317.965 273.780 9.588 9.667 8.793 459.770 415.512 376.790 363.372 322.419 9.891 9.814 8.834 462.428 420.168 374.813 357.526 318.934 9.881 9.838 8.915 462.428 421.348 379.651 364.697 324.777 9.843 9.818 8.989 462.428 424.929 378.501 362.188 319.103 9.891 9.896 8.903 470.588 427.350 384.320 363.504 326.764 9.785 9.657 8.591 449.438 412.088 342.700 351.494 313.484 9.107 9.166 8.264 423.280 394.737 353.107 332.116 302.842 9.747 9.699 8.692 451.977 414.365 370.645 351.617 318.261 9.434 9.337 8.747 454.545 402.145 363.108 347.102 319.708 9.443 9.307 8.368 434.783 382.653 339.443 324.781 283.511 9.425 9.542 8.639 446.927 421.348 375.375 359.583 318.814 9.337 9.524 8.368 451.977 403.226 366.032 345.662 306.761 9.990 10.142 8.838 462.428 416.667 377.929 363.372 321.903 9.671 9.611 8.722 446.927 412.088 372.856 360.750 328.034 9.560 9.681 8.905 462.428 422.535 381.679 365.230 325.202 9.671 9.574 8.529 446.927 397.878 358.166 342.114 309.688 9.166 9.116 8.457 432.432 397.878 353.857 337.041 322.4199.662 9.629 8.439 439.560 408.719 366.569 343.879 298.683 9.615 9.560 8.639 439.560 394.737 341.530 322.477 273.8168.937 8.909 8.386 425.532 391.645 332.005 314.762 277.1799.597 9.390 8.677 444.444 410.959 371.471 357.782 326.587 9.506 9.547 8.869 459.770 414.365 374.251 362.188 327.042 9.515 9.579 8.677 459.770 423.729 378.501 361.011 327.144 9.479 9.452 8.563 454.545 414.365 374.813 361.141 320.923 9.124 9.183 8.351 421.053 374.065 339.674 318.878 284.678 9.276 9.242 8.651 441.989 391.645 339.213 326.371 290.459 9.843 9.881 8.818 454.545 416.667 376.223 358.551 320.679 9.497 9.447 8.565 446.927 414.365 380.807 365.230 327.983 9.606 9.533 8.720 454.545 412.088 377.358 361.402 318.453 9.634 9.398 8.439 425.532 385.604 330.907 319.285 267.446 9.597 9.629 8.699 454.545 422.535 375.657 360.620 320.704 9.756 9.704 8.766 451.977 415.512 376.223 357.910 323.012 9.643 9.775 8.737 449.438 422.535 378.215 358.295 321.608 9.443 9.394 8.547 446.927 397.878 355.366 332.557 302.973 9.625 9.483 8.349 437.158 390.625 328.299 306.279 281.4889.337 9.333 8.403 446.927 408.719 368.732 349.895 320.87510.070 10.127 9.120 462.428 424.929 378.788 364.564 329.083 9.930 10.000 8.969 457.143 417.827 378.788 363.240 323.209 9.242 9.149 8.163 396.040 353.774 307.125 288.101 260.737 ; proc princomp out=aaa prefix=z; var x1-x8; run; data a2; set aaa; proc print; var z1-z2 ;run;proc iml; A={ 0.314784 0.572063, 0.337601 0.458594, 0.356468 0.238181, 0.368989 0.025168, 0.373924 -.135045, 0.364092 -.316945, 0.366459 -.312962, 0.342110 -.434092}; v=A*{6.56896573 0.90978515}`/8; print v;x={-0.40177 0.40174, 2.57274 0.19807, 0.77664 -0.52323, 2.13020 -0.31215, -0.86439 1.86162, 1.56253 0.71403, -2.14147 -0.19710, 1.77815 0.54157, 0.28444 0.23550, -0.54139 -0.34281, 0.33143 -0.54541, -9.76033 -1.43803, -2.43177 -1.64189, 1.36513 0.03521, 1.09352 -0.42698, -1.80340 2.51541,1.74071 -0.46250,2.25266 0.55505, 2.73717 0.31419,2.68963 0.43501,3.23997 0.27549, 0.30377 0.66966, -2.83020 -1.22550, 1.18043 0.17503, 0.08374 -0.67836, 2.90514 0.63181, 0.87029 -1.01936, -0.56083 -0.65879, 2.88533 1.08884,1.24697 -0.47337,2.28622 -0.61714, -0.34021 0.35930, -1.80926 -1.55967, -0.34410 0.32761, -1.83362 1.74025, -4.33392 -0.61624,0.65418 -0.90032,1.60490 -0.77468, 1.66466 -1.01493, 0.79744 -1.12198, -4.02844 -0.07632, -2.23190 0.22898, 2.06085 0.49322,1.19745 -0.57756, -3.20810 1.75555, 1.50789 -0.55921, 1.63031 -0.03967, 1.67555 -0.23808, -1.11464 0.00399, -2.87887 1.69889, -0.35253 -1.41622,3.69778 1.21192, 2.77038 0.80870, -6.89720 1.61002}; f=x*{6.56896573 0.90978515}`/8; print f;Data pgm33b; Input no$ x1-x2; cards;1 -0.40177 0.401742 2.57274 0.198073 0.77664 -0.523234 2.13020 -0.312155 -0.86439 1.861626 1.56253 0.714037 -2.14147 -0.197108 1.77815 0.541579 0.28444 0.2355010 -0.54139 -0.3428111 0.33143 -0.5454112 -9.76033 -1.4380313 -2.43177 -1.6418914 1.36513 0.0352115 1.09352 -0.4269816 -1.80340 2.5154117 1.74071 -0.4625018 2.25266 0.5550519 2.73717 0.3141920 2.68963 0.4350121 3.23997 0.2754922 0.30377 0.6696623 -2.83020 -1.2255024 1.18043 0.1750325 0.08374 -0.6783626 -2.90514 0.6318127 0.87029 -1.0193628 -0.56083 -0.6587929 2.88533 1.0888430 1.24697 -0.4733731 2.28622 -0.6171432 -0.34021 0.3593033 -1.80926 -1.5596734 -0.34410 0.3276135 -1.83362 1.7402536 -4.33392 -0.6162437 0.65418 -0.9003238 1.60490 -0.7746839 1.66466 -1.0149340 0.79744 -1.1219841 -4.02844 -0.0763242 -2.23190 0.2289843 2.06085 0.4932244 0.94041 -1.4291645 1.19745 -0.5775646 -3.20810 1.7555547 1.50789 -0.5592148 1.63031 -0.0396749 1.67555 -0.2380850 -1.11464 0.0039951 -2.87887 1.6988952 -0.35253 -1.4162253 3.69778 1.2119254 2.77038 0.8087055 -6.89720 1.61002 ; Proc cluster standard method=average nonorm nosquare ccc pseudo out=tree; Proc tree data=tree horizontal spaces=1; run;proc iml; A={ 0.314784 0.572063, 0.337601 0.458594, 0.356468 0.238181, 0.368989 0.025168, 0.373924 -.135045, 0.364092 -.316945, 0.366459 -.312962,v=A*{6.56896573 0.90978515}`/8; print v;proc iml; x={-0.40177 0.40174, 2.57274 0.19807, 0.77664 -0.52323, 2.13020 -0.31215, -0.86439 1.86162, 1.56253 0.71403, -2.14147 -0.19710, 1.77815 0.54157, 0.28444 0.23550, -0.54139 -0.34281, 0.33143 -0.54541, -9.76033 -1.43803, -2.43177 -1.64189, 1.36513 0.03521, 1.09352 -0.42698, -1.80340 2.51541,1.74071 -0.46250,2.25266 0.55505, 2.73717 0.31419,2.68963 0.43501,3.23997 0.27549, 0.30377 0.66966, -2.83020 -1.22550, 1.18043 0.17503, 0.08374 -0.67836, 2.90514 0.63181, 0.87029 -1.01936, -0.56083 -0.65879, 2.88533 1.08884,1.24697 -0.47337,2.28622 -0.61714, -0.34021 0.35930, -1.80926 -1.55967, -0.34410 0.32761, -1.83362 1.74025, -4.33392 -0.61624,0.65418 -0.90032,1.60490 -0.77468, 1.66466 -1.01493,-4.02844 -0.07632, -2.23190 0.22898, 2.06085 0.49322,0.94041 -1.42916,1.19745 -0.57756, -3.20810 1.75555, 1.50789 -0.55921, 1.63031 -0.03967, 1.67555 -0.23808, -1.11464 0.00399, -2.87887 1.69889, -0.35253 -1.41622,3.69778 1.21192, 2.77038 0.80870, -6.89720 1.61002}; f=x*{6.56896573 0.90978515}`/8; print f;Data pgm33b; Input no$ x1-x2; cards;1 -0.40177 0.401742 2.57274 0.198073 0.77664 -0.523234 2.13020 -0.312155 -0.86439 1.861626 1.56253 0.714037 -2.14147 -0.197108 1.77815 0.541579 0.28444 0.2355010 -0.54139 -0.3428111 0.33143 -0.5454112 -9.76033 -1.4380313 -2.43177 -1.6418914 1.36513 0.0352115 1.09352 -0.4269816 -1.80340 2.5154117 1.74071 -0.4625018 2.25266 0.5550519 2.73717 0.3141920 2.68963 0.4350121 3.23997 0.2754922 0.30377 0.6696623 -2.83020 -1.2255024 1.18043 0.1750325 0.08374 -0.6783626 -2.90514 0.6318127 0.87029 -1.0193628 -0.56083 -0.6587929 2.88533 1.0888430 1.24697 -0.4733731 2.28622 -0.6171432 -0.34021 0.3593033 -1.80926 -1.5596734 -0.34410 0.3276135 -1.83362 1.7402536 -4.33392 -0.6162437 0.65418 -0.9003238 1.60490 -0.7746839 1.66466 -1.0149340 0.79744 -1.1219841 -4.02844 -0.0763242 -2.23190 0.2289843 2.06085 0.4932244 0.94041 -1.4291645 1.19745 -0.5775646 -3.20810 1.7555547 1.50789 -0.5592148 1.63031 -0.0396749 1.67555 -0.2380850 -1.11464 0.0039951 -2.87887 1.6988952 -0.35253 -1.4162253 3.69778 1.2119254 2.77038 0.8087055 -6.89720 1.61002 ; Proc cluster method=average nonorm standard nosquare ccc pseudo out=tree; Proc tree data=tree horizontal spaces=1; run;。