Matlab PCA碎石图：如何确定最具方差贡献的原始变量？

安全阿岳

2026-7-10

关于PCA碎石图与原始变量方差贡献的澄清与解决方法

首先要明确核心概念：你用explained绘制的碎石图，展示的是**主成分（原始变量的线性组合）**的方差占比，而非单个原始变量的方差贡献。PCA的输出是按主成分的方差降序排列的，这和原始变量本身的方差没有直接的一一对应关系。

一、若想找「原始变量自身方差最大的那个」

直接计算原始变量的方差即可，无需通过PCA：

% 计算每个原始变量的方差（X为n行7列数据集，每行一个样本、每列一个变量）
original_var = var(X);

% 绘制原始变量方差柱状图，序号与原始数据列直接对应
bar(original_var)
xlabel('原始变量序号')
ylabel('方差')
title('各原始变量的方差分布')

通过这个图就能直接看出是变量3还是变量6的方差更大，序号完全对应原始数据的变量顺序。

二、若想找「对主成分贡献最大的原始变量」

主成分是原始变量的线性组合，coeff（载荷矩阵）的每一列对应一个主成分的载荷向量，向量元素代表对应原始变量在该主成分中的权重（绝对值越大，贡献越大）：

% 以方差最大的第一主成分为例，提取其载荷的绝对值
pc1_loadings = abs(coeff(:, 1));

% 找到对第一主成分贡献最大的原始变量序号
[max_contribution, var_idx] = max(pc1_loadings);
fprintf('对第一主成分贡献最大的原始变量是：变量%d\n', var_idx);

% 可视化载荷矩阵，直观对比所有主成分与原始变量的关联
heatmap(coeff, 'XLabel', '主成分', 'YLabel', '原始变量', 'Title', '主成分-原始变量载荷矩阵')

如果要看其他主成分，只需把coeff(:,1)换成coeff(:,2)、coeff(:,3)等即可。