经典的多元主成分分析已扩展到函数数据，并被称为函数主成分分析（FPCA）。大多数现有的FPCA方法都不适应协变量信息，本文的目标是开发两种适合的方法。在第一种方法中，均值和协方差函数都依赖于协变量Z轴和时间刻度t吨而在第二种方法中，只有均值函数依赖于协变量Z轴这两种新方法都适应了额外的测量误差和在常规时间网格上采样的功能数据，以及在不规则时间网格上采集的稀疏纵向数据。完全调整均值和协方差函数的第一种方法更适合于数据，但比仅调整均值函数上的协变量影响的方法计算量更大。我们发展了这两种方法的一般渐近理论，并通过仿真研究和数据集对其性能进行了数值比较。