主成份不需要旋转！

不需要旋转啊？我看书上都说超过1个因子就要啊，难道说的是因子分析？

我把几个数据放在这里，麻烦大家给我看看，详细的数据在上面的附件中。在选择主成分时，第二个主成分的特征值才0.683，这个选上有没有问题？有的书上说特征值一般最好大于1.大家看看，最后出来的数据我不知道选那几个参量了。（我做这个的目的就是在做回归分析时减少参量数量）

KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.            .752
Bartlett's Test of Sphericity Approx. Chi-Square            148.933
 df                                                         15
 Sig.                                                       .000

Rotated Component Matrix(a)
  Component  
 1 2
Loudness .726 .661
dB .857 .403
dBA .777 .584
Sharpness .306 .838
Roughness .294 .892
Fluctuation -.900 -.195
Extraction Method: Principal Component Analysis.
 Rotation Method: Varimax with Kaiser Normalization.
a Rotation converged in 3 iterations.

选取变量有几种办法，特征值大于1是可以的，比较常用的是85%原则，即当前几个特征值的累计贡献率达到85%就可以了。

目前突然对这个方法更晕了！

重新问问：

我本来是六个参数，要做回归分析，我想用主成分分析法将参数减少，能不能实现这个目的？如果能实现，得出的矩阵如下，请教各位这个怎么选择参数？（因为我看好像有的人说是得出的两个因子来代替原来的6个参数，但是这2个因子又是用6个参数表达的，那且不是更复杂了。所以我觉得那样不行。因此问问大家我的目的能不能达到，谢谢了！！！）

Component Matrix(a)
  Component 
 1 2

dB .857 .403
dBA .777 .584
Sharpness .306 .838
Roughness .294 .892
Fluctuation -.900 -.195