1．barttest函数
利用该函数可以进行Bartlett维数检验，其语法格式如下。
ndim = barttest(x, alpha)：用给定的显著性概率alpha，返回解释x数据矩阵的非随机变化特征所需要的维数。维数由一系列假设检验确定。假设ndim=1的检验是检验每个主成分数据值的方差是否相等；ndim=2的检验则是检验第2个主成分至最后一个主成分数据的方差是否相等，依此类推。
[ndim, prob, chisquare] = barttest(x, alpha)：返回维数，假设检验的显著性概率以及与检验相关的卡方值。
2．pcacov函数
利用该函数可以使用协方差矩阵进行主成分分析，其语法格式如下。
[pc, latent, explained] = pcacov(X)：输入协方差矩阵X，把主成分返回pc中，把协方差矩阵X的特征值返回latent中，把观测量中由每个特征向量所解释的方差占总方差的百分比返回explained中。
3．pcares函数
利用该函数可以计算源于主成分分析的残差，其语法格式如下。
pcares(X, ndim)：返回通过保留np矩阵X的ndim个主成分来获得的残差。X的行对应于观测量，列对应于变量。ndim为标量并且必须小于或等于p。residuals是与X大小相同的矩阵。在使用本函数时，要使用数据矩阵，而不是协方差矩阵。
[residuals,reconstructed]=pcares(X,ndim)：返回重建的观测量，即通过保留前ndim个主成分来获得X的近似。
4．princomp函数
利用该函数可以进行主成分分析，其语法格式如下。
COEFF=princomp(X)：基于np矩阵X进行主成分分析，返回主成分系数，即所谓的荷载。X的行对应于观测量，列对应于变量。COEFF是一个pp矩阵，每列包含一个主成分的系数。列按照成分方差的大小降序排列。
[COEFF,SCORE]=princomp(X)：返回主成分得分SCORE，即X在主成分空间中的表示。SCORE的行对应于观测量，列对应于主成分。
[COEFF,SCORE,latent]=princomp(X)：返回latent，它包含X的协方差矩阵的特征值的向量。
[PC, SCORE, latent, tsquare] = princomp(X)：返回tsquare，它包含每个数据点的Hotelling T2统计量。
得分是通过将原始数据变换到主成分空间中得到的数据。latent向量的值为SCORE的列数据的方差。Hotelling T2为每一个观测量相对于数据集中心的多变量距离的度量。
当n<=p时，SCORE(:,n:p)和latent(n:p)都必须是0，并且COEFF(:,n:p)的列为与X正交的方向。
[…]=princomp(X, 'econ')：只返回latent的不必为0的元素，以及COEFF和SCORE的对应列，即当n<=p时，只有前n1列。当p比n大很多时，这时的处理速度要明显提高。