Revisión general de Análisis de componentes principales

Utilice Análisis de componentes principales para identificar un número más pequeño de variables no correlacionadas, denominadas "componentes principales", de un conjunto grande de datos. Con este análisis, usted crea nuevas variables (componentes principales) que son combinaciones lineales de las variables observadas. La meta del análisis de componentes principales consiste en explicar la máxima cantidad de varianza con el menor número de componentes principales.

Por ejemplo, un analista utiliza un análisis de componentes principales para analizar las respuestas de los clientes a varias características de un nuevo champú. El analista desea determinar si pueden formar un número más pequeño de variables no correlacionadas que sean más fáciles de interpretar y analizar que las variables observadas que midieron.

El análisis de componentes principales se utiliza frecuentemente como un solo paso en una serie de análisis. Por ejemplo, puede utilizar componentes principales antes de realizar un análisis de regresión, a fin de evitar la multicolinealidad o reducir el número de predictores en relación con el número de observaciones.

Dónde encontrar este análisis

Para realizar un análisis de componentes principales, elija Estadísticas > Análisis multivariado > Componentes principales.

Cuándo utilizar un análisis alternativo

Para modelar cada variable observada como una función lineal de factores, utilice Análisis factorial. El análisis factorial describe la covarianza entre variables en términos de unos pocos factores no observables (latentes).

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política