主成分分析・寄与率
バグ・不具合を報告
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。
計算結果
—%
- 第2主成分までの累積寄与率
- —%
- 観測数
- —行
- 変数数
- —列
必要な値を入力すると自動で計算します。
この計算機は使いやすかったですか?
回答はサイト改善のために保存します。入力値・計算結果は送りません。
ありがとうございます。よかったら、上の共有ボタンからこの計算機を紹介しませんか?
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。