主成分分析是指将一组可能具有相关性的变量转换成一组线性无关的变量。转换后的变量称为主成分。这个第三方检测机构常规的检测分析项目

主成分分析步骤：

1、原始数据标准化；

2、计算相关系数；

3、计算特征；

4、确定主成分；

5、合成主成分。

主成分分析的原理是试图将原始变量重新组合成一组新的独立综合变量。同时，根据实际需要，一种能够提取少量和变量以反映尽可能多的原始变量信息的统计方法被称为主成分分析或主成分分析，也是一种降维的数学方法。

主成分分析的主要作用：

1.主成分分析可以降低所研究数据空间的维数；

2.有时，通过因子负荷联合分析的结论，可以澄清X变量之间的一些关系；

3.多维数据的图形表示；

4.用主成分分析法构建回归模型，也就是说，每个主成分被用作新的独立变量来代替原始的自变量x进行回归分析；

5.用主成分分析筛选回归变量。

最经典的方法是使用F1的方差(第一个选择的线性组合，即第一个综合指数)，即Va(rF1)越大，F1包含的信息越多。因此，在所有线性组合中选择的F1应该具有最大的方差，所以F1被称为第一主成分。