本指南提供有關執行主成分分析 (PCA) 的說明。這種分析方法通常用於降低資料集的維度（即減少變量數量），其原理是透過創建一組新的變量，這些變量是原始變量的線性組合，彼此統計獨立，並且能夠捕捉原始變量中包含的最大資訊量（即變異性和相關性）。
主成分
- 從開啟的 JMP ®資料表中，選擇「分析」>「多元方法」>「主成分」 。
- 從「選擇列」中選擇連續變量，然後按一下「Y，列」 （連續變數帶有藍色三角形）。
- 點選確定。
預設情況下，JMP 顯示特徵值和三個總計圖。
- 特徵值帕累托圖：百分比和
每個主成分所解釋的變異的累積總百分比。
- 得分圖（中）：前兩個主成分的散佈圖。使用底部的選項選擇要顯示的任兩個主成分。
- 載重圖：原始變數與兩個選定主成分之間的相關性。 （註：因子負荷未經旋轉。）
尖端：
- 預設情況下，PCA 是基於相關性進行的。
- 點擊頂部的紅色三角形，即可變更計算方法、查看更多結果、將主成分儲存到資料表中，或查看與特徵值相關的詳細資訊。
- 也可以透過Scatterplot 3D平台或Multivariate平台存取主成分分析。
Socioeconomic.jmp (Help > Sample Data Folder)Socioeconomic.jmp（說明 > 範例資料夾）
解釋：
前兩個主成分解釋了資料總變異的 93.4%（57.5 + 35.9 = 93.4）（參見帕累托圖）。這些數值顯示在得分圖和載重圖的座標軸上。
• 所有原始變數均與第一主成分呈正相關（見載重圖）。總人口和總就業人數與第二主成分呈正相關，而其他變數與第二主成分呈負相關。
造訪JMP 幫助中的「多元方法 > 主成分分析」以了解更多資訊。
