使用R的princomp做PCA，如何确定第一主成分对应的变量？

你的理解误区 #

主成分不是单个原始变量，而是所有原始变量的线性组合。第一主成分是能最大化解释数据方差的线性组合，你要找的是这个组合里权重最高的原始变量，而非“对应”的单个变量。

查看主成分与原始变量的关联 #

用princomp完成PCA后，主成分的载荷（即每个原始变量在主成分中的权重）存储在pca$loadings对象中，直接调用就能看到所有变量在各主成分上的系数：

# 查看所有主成分的载荷矩阵
print(pca$loadings)

# 单独提取第一主成分的载荷，按绝对值降序排序，快速定位权重最高的变量
first_pc_loadings <- pca$loadings[, 1]
sort(abs(first_pc_loadings), decreasing = TRUE)

绝对值越大的系数，说明该原始变量对第一主成分的贡献越大。

查看方差解释率 #

summary(pca)的输出里，Proportion of Variance列就是各主成分的方差解释比例，第一行对应的数值就是第一主成分的方差解释率——也就是你要找的“解释最大方差”的具体占比。

补充说明 #

你是基于协方差矩阵做的PCA，变量的量纲会直接影响载荷结果。如果你的31个变量量纲差异较大，建议先对数据做标准化处理（比如用scale()函数）后再计算协方差矩阵，或者直接使用prcomp函数（默认会对数据标准化），避免量纲干扰分析结果。

内容的提问来源于stack exchange，提问作者Johnny