Hauptkomponentenanalyse (PCA)
Die Hauptkomponentenanalyse (PCA) ist ein multivariates statistisches Verfahren, das eine große Zahl korrelierter Variablen auf eine kleinere Menge unkorrelierter Variablen reduziert, die Hauptkomponenten. Jede Komponente erfasst einen Teil der Gesamtstreuung des ursprünglichen Datensatzes, wobei die erste Komponente die meiste Streuung erklärt und jede folgende Komponente zunehmend weniger.
Zuletzt geprüft
Kernaussage
Die Hauptkomponentenanalyse (PCA) ist ein multivariates statistisches Verfahren, das eine große Zahl korrelierter Variablen auf eine kleinere Menge unkorrelierter Variablen reduziert, die Hauptkomponenten.
Auf dieser Seite
- Was ist die Hauptkomponentenanalyse?
- Wann wird die Hauptkomponentenanalyse eingesetzt?
- Hinweise zur richtigen Anwendung der Hauptkomponentenanalyse
- Alternativen: Wann Sie die Hauptkomponentenanalyse nicht verwenden sollten
- Beispiel für die Hauptkomponentenanalyse
- Anleitung: Hauptkomponentenanalyse durchführen
Was ist die Hauptkomponentenanalyse?
Die Hauptkomponentenanalyse (Principal Components Analysis, PCA) ist ein multivariates statistisches Verfahren, das eine große Zahl korrelierter Variablen auf eine kleinere Menge unkorrelierter Variablen reduziert, die Hauptkomponenten. Jede Komponente erfasst einen Teil der Gesamtstreuung des ursprünglichen Datensatzes, wobei die erste Komponente die meiste Streuung erklärt und jede folgende Komponente zunehmend weniger.
Die PCA verwirft keine Daten: Sie transformiert die ursprünglichen Variablen mathematisch in ein neues Koordinatensystem, dessen Achsen jeweils in Richtung der größten Streuung ausgerichtet sind. Das vereinfacht komplexe, hochdimensionale Datensätze und bewahrt zugleich die aussagekräftigsten Muster darin.
Einfache Definition:Ein Verfahren, das viele korrelierte Variablen auf wenige zentrale Komponenten verdichtet, die zusammen den größten Teil der Streuung erfassen; es verringert die Komplexität und bewahrt die wichtigsten Muster.
Begriff
Bedeutung
Hauptkomponente (Principal Component)
Eine neue Variable, die eine gewichtete Kombination der ursprünglichen Variablen ist und eine bestimmte Richtung der Streuung erfasst
Eigenwert (Eigenvalue)
Misst, wie viel der Gesamtstreuung jede Hauptkomponente erklärt
Scree-Plot (Scree Plot)
Ein Diagramm der Eigenwerte in absteigender Reihenfolge, mit dem festgelegt wird, wie viele Komponenten beibehalten werden
Ladungen (Loadings)
Der Beitrag (das Gewicht) jeder ursprünglichen Variablen zu einer Hauptkomponente
Scores (Komponentenwerte)
Die Koordinaten jeder Beobachtung im neuen Raum der Hauptkomponenten
Wann wird die Hauptkomponentenanalyse eingesetzt?
- Wenn Sie viele korrelierte Variablen haben und sie auf eine überschaubare Anzahl reduzieren möchten, ohne wesentliche Information zu verlieren.
- Um zu erkennen, welche Variablen die meiste Streuung in einem Datensatz verursachen.
- Zur Visualisierung multivariater Daten in zwei oder drei Dimensionen, indem die ersten zwei oder drei Komponenten dargestellt werden.
- Als Vorverarbeitungsschritt vor einer Regression oder Clusteranalyse , um Multikollinearität zu beseitigen.
- In der Qualitätstechnik, Prozessüberwachung und Sensordatenanalyse , wo viele Variablen gleichzeitig gemessen werden.
Hinweise zur richtigen Anwendung der Hauptkomponentenanalyse
- Alle Eingangsvariablen sollten stetig sein; für kategoriale Variablen ist die PCA nicht geeignet.
- Standardisieren Sie die Variablen (Mittelwert = 0, SD = 1), wenn sie unterschiedliche Skalen haben ; andernfalls dominieren Variablen mit größeren Wertebereichen die Komponenten.
- Verwenden Sie Scree-Plot und Eigenwerte , um festzulegen, wie viele Komponenten beibehalten werden; eine gängige Regel ist, Komponenten mit Eigenwerten größer als 1 zu behalten.
- Interpretieren Sie die Komponenten anhand der Ladungen : Hohe Ladungen zeigen, welche ursprünglichen Variablen am stärksten mit jeder Komponente zusammenhängen.
- Die PCA erkennt Muster und Strukturen , erklärt aber keine Ursache-Wirkungs-Beziehungen; Fachwissen ist unerlässlich, um die Bedeutung der Komponenten zu interpretieren.
- Streben Sie einen Stichprobenumfang von mindestens dem 5- bis 10-Fachen der Anzahl der Variablen an, um die Komponenten stabil zu schätzen.
Alternativen: Wann Sie die Hauptkomponentenanalyse nicht verwenden sollten
- Ist das Ziel, eine bestimmte Zielgröße vorherzusagen, verwenden Sie stattdessen Partial Least Squares (PLS) oder eine Regressionsanalyse ; die PCA verwendet keine Zielgröße.
- Wenn die Variablen untereinander nur sehr schwach korreliert sind, liefert die PCA keine sinnvolle Dimensionsreduktion; arbeiten Sie dann direkt mit den ursprünglichen Variablen.
Beispiel für die Hauptkomponentenanalyse
Eine Bank verlangt von Kreditantragstellern acht Angaben: Einkommen, Bildungsniveau, Alter, Wohndauer an der aktuellen Adresse, Beschäftigungsdauer beim aktuellen Arbeitgeber, Ersparnisse, Schulden und Anzahl der Kreditkarten. Ein Mitarbeiter der Bankverwaltung möchte diese Daten analysieren, um die beste Art der Gruppierung und Berichterstattung zu ermitteln. Er erfasst diese Angaben für 30 Kreditantragsteller. Er ist in folgenden Schritten vorgegangen:
- Er hat die erforderlichen Daten erfasst.

- Nun analysiert er die Daten in Zometric Statistical Software unter https://statsai.zometric.com/.
- Um die Hauptkomponentenanalyse aufzurufen, wählen Sie Statistical module> Multivariate > Principal Components.
- Im Werkzeug gibt er die Daten zusammen mit den weiteren Eingaben wie folgt ein:

5. Nach Ausführung des oben genannten Werkzeugs erhält er folgende Ausgabe:





Anleitung: Hauptkomponentenanalyse durchführen
So gehen Sie vor:
- Melden Sie sich bei Zometric Statistical Software an unter https://statsai.zometric.com/
- Wählen Sie auf der Startseite Statistical Tool> Multivariate >Principal Components.
- Geben Sie die Daten anschließend manuell ein, oder kopieren Sie die Daten vollständig (Strg+C) aus einer Excel-Tabelle und fügen Sie sie hier ein (Strg+V).
- Füllen Sie anschließend die erforderlichen Optionen aus.
- Klicken Sie abschließend unten auf der Seite auf calculate, um die gewünschten Ergebnisse zu erhalten.
Das Dashboard der Hauptkomponentenanalyse ist in zwei Bereiche unterteilt.

Im linken Bereich befindet sich der Datenbereich (Data Pane). Im Data Pane bildet jede Zeile eine Teilgruppe. Die Daten können manuell eingegeben oder vollständig aus einer Excel-Tabelle kopiert (Strg+C) und hier eingefügt (Strg+V) werden.
Load example: Es werden Beispieldaten geladen.
Load File: Damit werden Excel-Daten direkt geladen.
Im rechten Bereich stehen folgende Optionen zur Verfügung:
- Variables: Wählen Sie die Spalten mit den Variablen, die Sie in die Analyse aufnehmen möchten. Mit Strg- bzw. Command-Klick wählen Sie mehrere Spalten aus. Jede ausgewählte Spalte sollte eine stetige numerische Variable sein, etwa Einkommen, Alter, Schulden oder Ersparnisse. Je stärker diese Variablen untereinander korreliert sind, desto wirksamer reduziert die PCA sie auf aussagekräftige Komponenten.
- Type of Matrix: Legt fest, auf welcher mathematischen Grundlage die Hauptkomponenten berechnet werden. In der Regel stehen zwei Optionen zur Verfügung:
- Correlation Matrix – standardisiert alle Variablen vor der Berechnung der Komponenten auf dieselbe Skala (Mittelwert = 0, Standardabweichung = 1). Dies ist die empfohlene Standardeinstellung , wenn Ihre Variablen in unterschiedlichen Einheiten oder auf sehr unterschiedlichen Zahlenskalen gemessen werden, zum Beispiel Einkommen in Tausend und Alter in Jahren. Ohne Standardisierung würden Variablen mit größeren Wertebereichen die Komponenten allein aufgrund ihrer Skala dominieren, nicht aufgrund ihrer tatsächlichen Bedeutung.
- Covariance Matrix – verwendet die unveränderten Varianzen und Kovarianzen der ursprünglichen Variablen ohne Standardisierung. Nur geeignet, wenn alle Variablen bereits dieselbe Skala und Einheit haben; andernfalls überlagern Variablen mit größerer Skala die Ergebnisse.
- Mahalanobis Distances: Ist die Option aktiviert, wird für jede Beobachtung der Mahalanobis-Abstand berechnet, ein statistisches Maß dafür, wie weit jeder Datenpunkt vom Zentrum der multivariaten Verteilung entfernt liegt, unter Berücksichtigung der Korrelationen zwischen den Variablen. Anders als übliche Abstandsmaße berücksichtigt der Mahalanobis-Abstand Form und Ausdehnung der Datenwolke. Er dient vor allem dazu, multivariate Ausreißer zu erkennen , also Beobachtungen, die bei gemeinsamer Betrachtung aller Variablen ungewöhnlich erscheinen, auch wenn sie bei Einzelbetrachtung unauffällig wirken.
- Scree Plot: Erzeugt ein Diagramm, das den Eigenwert jeder Hauptkomponente in absteigender Reihenfolgedarstellt. Der Scree-Plot ist das wichtigste Hilfsmittel, um festzulegen, wie viele Komponenten beibehalten werden. Suchen Sie die Stelle, an der die Linie deutlich abknickt und abflacht (den sogenannten Ellbogen), und behalten Sie die Komponenten oberhalb dieser Stelle. Eine gängige Regel ist, Komponenten mit Eigenwerten größer als 1 zu behalten, da diese mehr Varianz erklären als eine einzelne ursprüngliche Variable.
- Outlier Plot: Zeigt ein Streudiagramm, mit dem sich ungewöhnliche Beobachtungen im Raum der Hauptkomponenten visuell erkennen lassen. Punkte, die hinsichtlich ihrer Komponentenwerte oder Mahalanobis-Abstände weit vom Hauptcluster der Beobachtungen entfernt liegen, werden als mögliche multivariate Ausreißer gekennzeichnet. Es ist wichtig, diese Ausreißer zu erkennen und zu untersuchen, bevor Sie Schlussfolgerungen aus der Analyse ziehen, da sie die Komponenten verzerren können.
- Loading Plot: Erzeugt eine grafische Darstellung der Ladungen jeder ursprünglichen Variablen auf den Hauptkomponenten. Jede Variable wird als Vektor dargestellt; Richtung und Länge des Vektors zeigen, wie stark und in welche Richtung die Variable zu jeder Komponente beiträgt. Variablen mit langen, gleich gerichteten Vektoren sind positiv korreliert, entgegengesetzt gerichtete negativ. Das Ladungsdiagramm ist unerlässlich, um zu interpretieren, was jede Hauptkomponente tatsächlich darstellt , bezogen auf die ursprünglichen Variablen.
- Download as Excel: Exportiert die vollständigen PCA-Ergebnisse, einschließlich Komponentenwerten, Ladungen, Eigenwerten und erklärter Varianz, in eine Excel-Datei.
Häufig gestellte Fragen
Was ist die Hauptkomponentenanalyse?
Die Hauptkomponentenanalyse (PCA) ist ein multivariates Verfahren, das eine große Zahl korrelierter Variablen auf eine kleinere Menge unkorrelierter Variablen reduziert, die Hauptkomponenten. Die erste Komponente erklärt die meiste Streuung, jede folgende zunehmend weniger. Die PCA verwirft keine Daten; sie transformiert die Variablen in ein neues Koordinatensystem, das an den Richtungen der größten Streuung ausgerichtet ist.
Wie viele Hauptkomponenten sollte man beibehalten?
Verwenden Sie Scree-Plot und Eigenwerte. Der Scree-Plot zeigt den Eigenwert jeder Komponente in absteigender Reihenfolge; suchen Sie den Ellbogen, an dem die Linie deutlich abknickt und abflacht, und behalten Sie die Komponenten oberhalb davon. Eine gängige Regel ist, Komponenten mit Eigenwerten größer als 1 zu behalten, da diese mehr Varianz erklären als eine einzelne ursprüngliche Variable.
Sollte man für die PCA die Korrelations- oder die Kovarianzmatrix verwenden?
Verwenden Sie die Korrelationsmatrix, die empfohlene Standardeinstellung, wenn die Variablen in unterschiedlichen Einheiten oder auf sehr unterschiedlichen Skalen gemessen werden, denn sie standardisiert jede Variable auf Mittelwert 0 und Standardabweichung 1. Ohne diese Standardisierung dominieren Variablen mit größeren Wertebereichen die Komponenten. Die Kovarianzmatrix ist nur geeignet, wenn alle Variablen bereits dieselbe Skala und Einheit haben.
Wann sollte man die PCA nicht verwenden?
Die PCA verwendet keine Zielgröße; ist das Ziel also die Vorhersage einer bestimmten Zielgröße, verwenden Sie stattdessen Partial Least Squares oder eine Regressionsanalyse. Sind die Variablen untereinander nur sehr schwach korreliert, liefert die PCA keine sinnvolle Dimensionsreduktion. Alle Eingangsvariablen sollten stetig sein, und ein Stichprobenumfang von mindestens dem 5- bis 10-Fachen der Anzahl der Variablen wird empfohlen.
