22 主成分分析
Principal Components Analysis

主成分分析 (PCA: Principle Components Analysis) は、複雑な高次のデータセットを分析する多変量の解析手法のひとつです。次のようなときに主成分分析を使います：

• お持ちのデータの変動原因を説明するとき。
• お持ちのデータの複雑さをより少ない次元に減らして近似するとき。

主成分分析 (Principle Components Analysis) は、予測モデリングやクラスター分析を含む統計プロシージャーの多くで利用することができます。これに対して、因子分析 (Factor Analysis) は、数学的には PCA と多くの類似点を持つ統計的手法ですが、その目的は若干異なります。因子分析の目標は、オリジナルの変数間に存在する相関関係の説明に役立つ潜在的変数 (または共通因子) を見つけ出すことです。主成分分析の最終目標は、データに内在する変動原因を説明し、全体の変動を殆ど損なうことなくより少ない変数を使ってそのデータをあらわすことです。

トピックス:

1. 主成分分析について
2. 主成分分析を実行する
3. 主成分分析のデータを配置する
4. 主成分分析オプションを設定する
5. 主成分分析を実行する
6. 主成分分析の結果を解釈する
7. 基本的な数値結果
8. オプションの数値結果
9. 主成分分析のレポートグラフ