使用主成份分析可从较大数据集标识较小数量的不相关变量,其称为“主分量”。通过此分析,您可创建作为观测变量线性组合的新变量(主分量)。主分量分析的目的是为了使用最少数量的主分量来解释最大量的方差。

例如,分析人员使用主分量分析来分析客户对新洗发水一些特征的响应。分析员想要确定它们是否可以形成比所测量的观测变量更容易解释和分析的较少数量的不相关变量。

在一系列分析中,通常将主成分分析作为其中的一个步骤。例如,可以在执行回归分析前使用主分量避免多重共线性或减少相对于观测值个数的预测变量数目。

在何处查找此分析

要执行主分量分析,请选择统计 > 多变量 > 主成分

何时使用备择分析

要将每个观测变量建模为因子的线性函数,请使用因子分析。因子分析根据一些不可观测的(潜)因子描述变量之间的协方差。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策