主成分分析有什么用？ 主成分分析最主要的用途在于“降维”.举个例子，你要做一项分析，选中了20个指标，你觉得都很重要，但是20个指标对于你的分析确实太过繁琐，这时候，你就可以采用主成分分析的方法进行降维.20个指标之间会有这样那样的相互关系，相互之间会有影响，通过主成分分析后，得到4个或者5个主成分指标.此时，这几个主成分指标既涵盖了你20个指标中的绝大部分信息，又让你的分析得到了简化（从20维降到4、5维），简化了分析过程，增加了结果精度.
spss如何做主成分分析，主成分分析的主要原理是寻找一个适当的线性变换：？将彼此相关的变量转变为彼此独立的新变量；方差较大的几个新变量就能综合反应原多个变量所包含的。
什么是主成分分析？主成分分析的步骤有哪些 主成分分析是指通过将一组可能存在相关bai性的变量转换城一组线性不相关的变量，转换后的这组变量叫主成分。主成分分析步骤：1、对原始数据标准化，2、计算相关系数，3、计算特征，4、确定主成分，5、合成主成分。主成分分析的原理是设法将原来变量重新组合成一组新的相互无关的几个综合变量，du同时根据实际需要从中可以取出几个较少的总和变量尽可能多地反映zhi原来变量的信息的统计方法叫做主成分分析或称主分量分析，也是数学上处理降维的一种方法。扩展资料主成分分析的主要作用1．主成分分析能降低所研究的数据空间的维数。2．有时可通过因子负荷aij的结论，弄清X变量间的某些关系。3．多维数据的dao一种图形表示方法。4．由主成分分析法构造回归模型。即把各主成分作为新自变量代替原来自变量x做回归分析。5．用主成分分析筛选回归变量。最经典的做法就是用F1（选取的第一个回线性组合，即第一个综合指标）的方差来表答达，即Va（rF1）越大，表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的，故称F1为第一主成分。参考资料来源：-主成分分析
