前提：变量间存在大量的重复信息，直接分析会因为变量间的多重共线性而导致许多问题
应用目的：信息浓缩——如何通过少数的几个主分量，使它们尽可能多地保留原始变量的信息，且彼此间互不相关
注意：更多的是研究目的的中间步骤，而非最终的结果
一：案例选用（economy.sav)
(1)分析步骤
@1：对原来的p个指标进行标准化，以消除变量在数量级或量纲上的影响。
@2：根据标准化后的数据矩阵求出协方差或相关矩阵
@3：求出协方差矩阵的特征值和特征向量
@4：确定主成分，在可能的情况下结合专业知识为各主成分赋予适当的专业解释
spss中没有把主成分分析作为一种独立的分析方法，而是和因子分析共用一个过程，因此会输出许多因子分析中的结果，但不影响分析结果.
1.png
2.png
(2) 操作步骤
分析—》降维—》因子—》选择—》确定（其它选项可自行尝试，这里不做讨论）
3.png
4.png
5.png
（3）结果展示
6.png
7.png
8.png
成分矩阵中：系数的绝对值越大表示变量的越大的部分被包含在其中，表示新的成分包含此变量的越大部分信息，可以依据此为新的主成分赋予新的专业解释。
不妨试试用散点图看看究竟哪些变量合在一起，成为一个主成分的。
