用語解説
主成分分析とは、多次元データの分散を最大限に保持しながら少数の主成分（合成変数）に次元削減する多変量統計手法です。
高次元の顧客データや調査データを2〜3次元に圧縮して散布図で可視化することで、セグメントのパターンや変数間の関係性を直感的に把握できます。
どんな場面で活用するか
- 大量の顧客属性・行動データを可視化してセグメントを探索するとき
- 多コリニアな説明変数群を機械学習モデルへ入力する前処理として使うとき
- ポジショニングマップを統計的に作成してブランド比較を行うとき
よくある誤解
「主成分分析は因子分析と同じ目的で使える」は誤りです。正しくは、主成分分析はデータ要約・次元削減が目的であり、潜在構造の説明や解釈には因子分析が適しています。
判断のヒント
解釈のコツ：第1・第2主成分の寄与率の合計が60〜70%以上あれば可視化として十分な情報量と判断できます。バイプロット（変数ベクトルの重ね描き）で変数との関係も同時に確認しましょう。
