主成分分析・寄与率

目的変数を指定せず、複数の変数のばらつきを少数の主成分に要約する。

個人情報・顧客情報を入れず、匿名化した数値だけを入力してください。

入力すると自動で計算します。Enterで次の項目へ進めます。次の入力欄を選んで進めます。

選択内容に応じて、残りの入力項目を案内します。

計算する内容

異なる単位や尺度の列を比較するときは標準化が適しています。

匿名の観測値(行=観測、列=変数)必須
行変数1変数2操作
1
2
3

2列を左端の欄へタブ区切りで貼り付けられます。200行まで。

同じ行は同じ観測を表します。TSV形式で貼り付けられます。単位が違う変数は標準化の選択を検討してください。末尾の空行は対象外です。


計算結果

必要な値を入力すると自動で計算します。

お気に入り一覧

計算方法・適用範囲・出典

計算方法

行i・変数jの入力をxᵢⱼとし、列平均μⱼ=Σᵢxᵢⱼ/n。中心化はzᵢⱼ=xᵢⱼ−μⱼ、標準化はzᵢⱼ=(xᵢⱼ−μⱼ)/√[Σᵢ(xᵢⱼ−μⱼ)²/n]。標本共分散C=ZᵀZ/(n−1)の固有値λₖを降順とし、寄与率=λₖ/Σλ、累積寄与率=Σₗ≤ₖλₗ/Σλ。固有ベクトルvₖに対する得点tᵢₖ=Σⱼzᵢⱼvⱼₖ。負荷量は変数と得点のPearson相関=vⱼₖ√(λₖ/Cⱼⱼ)。標準化は母SD(nで割る)を用い、共分散は標本(n−1)で割ります。

各主成分の固有値・寄与率・累積寄与率、主成分係数、相関負荷量、各観測の主成分得点。

計算例(架空の数値)

公開例:(-1,-1)、(-2,-1)、(-3,-2)、(1,1)、(2,1)、(3,2)を中心化してPCAすると、第1主成分の寄与率は約99.2443%です。

適用対象と限界

同じ観測単位に対応する2~6個の数値変数。重複した観測値を保持し、行順を変えない。欠測の補完・自動除外、外れ値処理、因果推論、目的変数を用いる回帰、カテゴリ変数、単位変換、whitening、SVD高精度法・大規模行列は対象外。

方法と出典

方法:E209 PCA covariance-Jacobi v1.0(2026-11-13)。データ記録日:2026-11-13。