Page 46 - 《中国药房》2022年14期

上的载荷值均不高，表明其对主成分1、主成分2的影响 表 5 15 批车前子与 15 批炒车前子的综合评分结果及
较小。结果见表4。 排序
表3 8个共有峰的特征值及方差贡献率 编号 主成分1 主成分2 综合评分 排序 编号 主成分1 主成分2 综合评分 排序
S1 －1.05 －1.40 －0.96 23 S16 2.22 －0.17 1.23 5
初始特征值 提取载荷平方和
主成分 S2 －0.26 －2.55 －0.80 16 S17 3.02 1.37 2.08 4
方差贡献率/％ 累计方差贡献率/％ 总计 方差贡献率/％ 累计方差贡献率/％ 总计
1 57.186 57.186 4.575 57.186 57.186 4.575 S3 －0.45 －2.21 －0.82 17 S18 5.05 －0.64 2.73 2
2 25.389 82.575 2.031 25.389 82.575 2.031 S4 －0.37 －4.06 －1.24 29 S19 5.48 －0.41 3.03 1
3 7.328 89.902 0.586 S5 －0.64 －2.62 －1.03 25 S20 4.91 －0.63 2.65 3
4 5.236 95.139 0.419 S6 －2.14 1.14 －0.94 22 S21 －0.33 0.98 0.06 13
5 3.337 98.475 0.267 S7 －1.79 0.55 －0.88 21 S22 0.76 1.66 0.86 7
6 0.939 99.415 0.075 S8 －1.89 －0.21 －1.13 28 S23 0.51 0.15 0.33 9
7 0.500 99.915 0.040 S9 －1.69 0.02 －0.96 23 S24 －1.39 0.78 －0.60 15
8 0.085 100.000 0.007 S10 －2.13 0.58 －1.07 26 S25 0.68 1.55 0.78 8
S11 －1.46 0 －0.83 18 S26 －0.22 1.44 0.24 11
5
S12 －1.50 0.10 －0.83 18 S27 －0.54 1.26 0.01 14
4 S13 －2.10 －0.36 －1.29 30 S28 －0.37 1.16 0.08 12
特征值 3 2 S14 －1.72 －0.42 －1.09 27 S29 0.06 0.93 0.27 10 6
0.98
－1.45
S15
－0.09
S30
0.77
2.13
－0.85
20
1
0 600
1 2 3 4 5 6 7 8 400
主成分
200
图 5 车前子与炒车前子的主成分分析碎石图
0
表4 车前子与炒车前子的主成分因子载荷矩阵 t[2] －200
共有峰编号 主成分1 主成分2 共有峰编号 主成分1 主成分2 －400
A 0.952 0.116 E －0.926 0.283
－600
B －0.698 －0.538 F 0.894 －0.042
－800
C 0.742 0.088 G 0.569 0.758
－500 －400 －300 －200 －100 0 100 200 300 400
D －0.352 0.899 H －0.725 0.507 t[1]
综合评分能够反映样品的整体质量，评分越高表明 图 6 15 批车前子与 15 批炒车前子的正交偏最小二乘
[13]
样品的整体质量越好 。采用方差贡献率计算 15 批车 回归分析得分图
前子与15批炒车前子的综合评分。使用SPSS 25.0软件
当变量重要性投影（variable importance in the pro-
得到主成分 1（Z1 ）和主成分 2（Z2 ）的评分分别为 Z1＝
jection，VIP）值大于 1 时，表示变量对整体的贡献较
0.445×峰 A－0.326×峰 B+0.347×峰 C－0.165×峰 D－
[15]
大 ，故以 VIP 值大于 1 为标准，得到贡献相对较大的 3
0.433×峰 E+0.418×峰 F+0.266×峰 G－0.339×峰 H；Z2＝
个峰，分别为峰 E（毛蕊花糖苷）、峰 D（京尼平苷酸）、峰
0.081×峰 A－0.378×峰 B+0.062×峰 C+0.631×峰 D+
G，表明这3个峰对车前子与炒车前子的贡献较大，推测
0.199×峰 E－0.029×峰 F+0.532×峰 G+0.356×峰 H。其
其可能是影响车前子与炒车前子质量差异的标志性成
中，峰 A～峰 H 为共有峰的峰面积，Z1、Z2的系数为主成
分。变量的点距离原点的距离越远，表示变量对模型的
分1、2的载荷值与特征值开平方的比值，按公式计算综
影响越大 。结果显示，峰 E、峰 D、峰 G 对车前子与炒
[16]
合评分（Z），Z＝Z1×主成分1的方差贡献率+Z2×主成分2
车前子的影响较大。结果见图7、图8。
的方差贡献率。结果显示，车前子的综合评分均小于0，
炒车前子的综合评分均大于0（S24样品除外），表明综合
评分可以较好地区分车前子与炒车前子。结果见表5。 2.0
2.4 正交偏最小二乘回归分析
1.5
以15批车前子与15批炒车前子共有峰的峰面积为
变量，采用SIMCA-P 14.1软件进行正交偏最小二乘回归 VIP值 1.0
分析。结果显示，车前子均位于得分图的左侧，炒车前
0.5
子均位于得分图的右侧，二者能明显分开。模型累计解
释能力参数R X（cum）为0.991，R Y（cum）为0.965，模型 0
2
2
峰E 峰D 峰G 峰F 峰A 峰H 峰C 峰B
2
预测度Q（cum）为0.942，均大于0.500，表明模型构建成 共有峰编号
[14]
功，预测能力较强，拟合度好 。结果见图6。 图7 8个共有峰的VIP值
·1704 · China Pharmacy 2022 Vol. 33 No. 14 中国药房 2022年第33卷第14期