如前一节所述，主成分的载荷值代表变量与主成分之间的相关性（如果数据是中心化而非标准化处理的，则载荷值代表变量与成分之间的协方差）。载荷图直观地展示了这些关系。

在我们的数据载荷图中，我们可以看到变量 A、B 和 E 与 PC1 呈强相关（值接近 1 或 -1），而与 PC2 仅呈中度相关。相反，变量 C 和 D 与 PC2 呈强相关，但与 PC1 仅呈中度相关。

在本示例中，主成分PC1和PC2共同解释了91.18%的累积方差。这张单一图表蕴含了如此丰富的信息，使我们能够深入了解各变量之间的关系。如上图所示，变量A和B紧密聚集在一起，表明这两个变量呈正相关。 相比之下，变量A和E的向量形成近180°的角度，表明这两个变量呈负相关。最后，变量A和D的向量形成近直角，暗示这两个变量很可能不相关。回到原始数据的图矩阵，我们可以确认这些假设在很大程度上是正确的。