PCA生成的最终图表是“方差贡献率图”。正如在讨论主成分选择方法的章节中所提到的，任何给定主成分所贡献的方差比例可按以下公式计算：

方差贡献百分比 = [(主成分的特征值)/(所有特征值之和)]*100

因此，方差贡献率只是特征值的标准化版本。正因如此，方差贡献率图上的曲线形状将与特征值（Scree）图上的曲线形状一致。该曲线显示了每个主成分贡献的总方差的特异性比例，而该图中的柱状图则展示了当前主成分及其之前所有主成分贡献的累计方差。

在本示例中，我们采用了平行分析作为主成分选择方法。然而，若选择基于累积方差阈值来筛选主成分，该阈值将以水平线的形式显示于此图中。下图显示，仅前两个主成分便贡献了数据中超过 90% 的方差。 3个主成分可贡献数据中超过95%的方差，4个主成分可贡献超过99%。使用全部5个主成分时，可贡献数据中100%的总方差（请注意：创建主成分不会改变数据的总方差。选择主成分子集会减少该子集所能贡献的方差量）。