相关分析依据测量值研究各变量之间关系的密切程度，为中药组效关系研究提供了有效的研究方法。但相关分析不能直接作出因果关系的解释，并且要求变量组内部及之间有很好的线性关系、变量组服从多元正态分布，以致相关系数受样本数据影响较大，这些都制约了其构建的中药组效关系模型的精确性，有待进一步优化。

    1.3主成分分析 主成分分析(principal component analysis，PCA)是将原来具有一定相关性的变量，通过线性组合得到能尽可能多地表征原变量的数据结构特征而不丢失信息的新变量，从而进行分析，其目的是将数据降维，以排除众多化学信息共存中相互重叠的信息^[14]。假设x1，x2，…，xP为该样品的P个自变量，z1，z2，…，zm(m≤P)为主成分变量，则

    通过公式3可把自变量X=(x1，x2，…，xP)映射到新的坐标系，向量Li=(li1， li2，…， lip)是新坐标系的第i个坐标轴向量，向量Z=(z1， z2，…， zm)是主成分变量。Li的选取满足任意zi， zj不相关，且z1方差最大，其后方差大小依次降低，各主成分的方差反映了该主成分包含原始数据的信息量占全部信息量的比重 ......