最常见的是基于特征值的方法，每个主成分都与相关系数矩阵的特征值 关联，第一主成分与最大的特征值相关联，第二主成分与第二大的特征值相关联，依此类推。
Kaiser-Harris准则建议保留特征值大于1的主成分，特征值小于1的成分所解释的方差比包含在单个变量中的方差更少。
Cattell碎石检验则绘制了特征值与主成分数的图形，这类图形可以展示图形弯曲状况，在图形变化最大处之上的主成分都保留。
最后，还可以进行模拟，依据与初始矩阵相同大小的随机数矩阵来判断要提取的特征值。若基于真实数据的某个特征值大于一组随机数据矩阵相应的平均特征值，那么该主成分可以保留。该方法称作平行分析。
install.packages('xlsReadWrite')library(XlsReadWrite)
read.xls(choose.files())
![数据结构C语言，LT(L.r[i].key, L.r[i-1].key)与L.r[i].key<L.r[i-1].key有什么区别呢](/aiimages/%E6%95%B0%E6%8D%AE%E7%BB%93%E6%9E%84C%E8%AF%AD%E8%A8%80%EF%BC%8CLT%28L.r%5Bi%5D.key%2C+L.r%5Bi-1%5D.key%29%E4%B8%8EL.r%5Bi%5D.key%26amp%3Blt%3BL.r%5Bi-1%5D.key%E6%9C%89%E4%BB%80%E4%B9%88%E5%8C%BA%E5%88%AB%E5%91%A2.png)
![C语言op.data[op.top]是什么意思](/aiimages/C%E8%AF%AD%E8%A8%80op.data%5Bop.top%5D%E6%98%AF%E4%BB%80%E4%B9%88%E6%84%8F%E6%80%9D.png)