2- تحليل المكونات الأساسية Principal Component Analysis PCA باستخدام طريقة Covariance

تحليل المكونات الأساسية Principal Component Analysis (PCA) في التجارب البيولوجية نجد أن الباحثين يقومون بجمع البيانات من عدد كبير من المتغيرات والتي تزيد من دقة النتائج المتحصل عليها. فزيادة عدد تلك المتغيرات قد تكون في معظم الأحيان مرتبطة ببعضها ولو بشكل جزئي مما ينتج عنها بعض المشاكل وقد تؤثر على النتائج المتحصل عليها. لذلك يحتاج الباحثين في مثل هذه التجارب لدراسة بعض الأساليب الإحصائية لدراسة العلاقات المتداخلة بين العدد الكبير من المتغيرات المدروسة. لذا يحتاج الباحثين إلى أسلوب إحصائي يساعده في اختزال عدد المتغيرات، ومن هنا تبرز أهمية تحليل المكونات الأساسية (PCA) كأحد أساليب التحليل الإحصائي متعدد المتغيرات والذي يساعد في تحويل المتغيرات المدروسة إلى عدد من المكونات المتعامدة. وذلك اعتمادا على مصفوفة معاملات الارتباط في حال اختلفت وحدات القياس للمتغيرات المدروسة أو مصفوفة التغاير (التباين والتباين المشترك) في حال تم تحويل وحدات القياس الى قيم معيارية. إ استخدام PCA لإختزال عدد المتغيرات حساب المكونات الأساسية (كحالة لاختزال البيانات في حالة اختلاف وحدات القياس). حساب المكونات الأساسية (كحالة لاختزال البيانات في حالة تم توحيد وحدات القياس بين المتغيرات بتحويلها الى قيم معيارية).