必要なデータの形式
主成分分析を実行する際には、1行が1観測対象となっているデータを使う必要があります。この例では数値型の列を使います。 そこで、今回はサンプルデータとして、都道府県ごとの時間の使い方のデータを使用します。 このデータは、1行が1都道府県となっていて、列には仕事や家事、学業などにどれだけの時間を使っているかの列が性別ごとにあります。
主成分分析を実行する
アナリティクスビューを開き、「タイプ」のメニューから「主成分分析(PCA)」を選択します。


結果の解釈
結果はレポートとして縦に並び、上部の「サマリ」「主成分数の検討」「主成分と変数の関係」「変数間の関係」などのリンクから各節へ移動できます。変数と観測値の関係の可視化
「変数間の関係」にある「変数と観測値の関係の可視化」では、それぞれの変数と観測値(データの1行)を2つの軸(第1主成分、第2主成分)で表現しています。点がそれぞれの観測値を表し、点が近いほど元の変数における特徴が似ており、離れているほど異なる特徴を持つ傾向があります。



主成分の寄与率
「主成分数の検討」にある「主成分の寄与率」では、主成分分析で作られた軸である第1主成分、第2主成分などによって元データの情報量(ばらつき)をどれだけ表現できるかを確認できます。 寄与率はそれぞれの主成分での情報量の表現できている割合で、累積寄与率はそれらの寄与率を足し上げて行った時にどれだけ表現できているのかがわかります。この例では、第1主成分の寄与率は14.15%、第2主成分は11.59%で、第2主成分までの累積寄与率は25.74%です。
主成分分析に関するよくある質問
Q: 元のデータに対して主成分スコアをくっつけたデータを作ることはできますか?
主成分分析の結果の「主成分得点」の表には、元のデータに対して主成分得点としてPC1, PC2…が含まれています。

