Prism 进行主成分分析（PCA）时默认显示的最后一个选项卡是“主成分得分”选项卡。在讨论特征值和特征向量时，我们已经简要提及了每个主成分的“得分”概念。如前所述，主成分（PC）只是数据集中各变量的线性组合，而这些线性组合的系数由该主成分的特征向量给出。 在我们的示例中，以 PC1 为例。该成分变量的线性组合（使用 PC1 的特征向量值）为：

PC1=0.552*(变量 A)+0.553*(变量 B)-0.227*(变量 C)+0.181*(变量 D)-0.530*(变量 E)

要计算PC1的“得分”，只需将标准化（或中心化）数据的数值代入该公式即可。数据表的每一行对应每个主成分（PC）的一个“得分”。例如，本分析中标准化数据的第一行是：

 

因此，要计算PC1的第一个得分：

PC1 = 0.552*(-1.608) + 0.553*(-1.615) - 0.227*(-0.907) + 0.181*(1.577) - 0.530*(1.392) = -1.981

PC1的其余得分以及所有其他选定成分的得分均可按此方法计算，最终得到Prism生成的主成分得分表：

主成分得分结果表

 

随后，可利用这些得分生成用于分析的“得分图”。这些图表将在另一章节中详细说明，但其基本原理是：这些得分图能够将原始数据投影到由两个选定主成分定义的二维空间中。这是对PCA降维目标的一种直观呈现。

主成分得分图（PC1 与 PC2）