总方差解释反映了各个主成分的贡献率及累计贡献率，第三列表示贡献率，第四列表示累计贡献率，可以看到，提取前3个主成分，累计贡献率就可以达到87%以上，即这3个主成分集中了12个原始变量的87%的信息。
（4）成分矩阵（或因子载荷矩阵）
成分矩阵（或因子载荷矩阵）反映了提取的3个主成分与原始变量的相关性，从上面可以得出以下结论：
- 主成分1跟原始变量x1,x2,x3,...,x8的相关性较强；
- 主成分2跟原始变量x10,x11,x12的相关性较强；
- 主成分3跟原始变量x9的相关性较强。
对主成分进行解释：
- 原始变量x1,x2,x3,...,x8反应的是城市规模和经济发展水平，所以主成分1命名为城市规模及经济水平；
- 原始变量x10,x11,x12反应的是城市基础设施，所以主成分2命名为城市基础设施；
- 原始变量x9反应的是城市人均居住面积，所以主成分3命名为城市人均居住面积。
综上，通过主成分分析，将反应原始数据的12个指标综合为3个综合指标，分别为：
- 城市规模及经济水平
- 城市基础设施
- 城市人均居住面积
从而起到了降维的作用。
你是否使用过主成分分析（PCA）呢？欢迎留言评论！
