मूल रूप से, कारक लोडिंग द्वारा भारित कच्चे प्रतिक्रियाओं के रूप में कारक स्कोर की गणना की जाती है। तो, आपको अपने पहले आयाम के कारक लोडिंग को देखने की जरूरत है कि कैसे प्रत्येक चर प्रमुख घटक से संबंधित है। विशिष्ट चर से जुड़े उच्च सकारात्मक (सम्मान नकारात्मक) लोड करने का मतलब है कि ये चर इस घटक के लिए सकारात्मक (सम्मान नकारात्मक) योगदान करते हैं; इसलिए, इन चर पर उच्च स्कोर करने वाले लोग इस विशेष आयाम पर उच्च (सम्मान कम) कारक स्कोर करेंगे।
सहसंबंध चक्र को खींचना उपयोगी है चर का एक सामान्य विचार है जो "सकारात्मक" बनाम "नकारात्मक" (यदि कोई हो) का योगदान पहले प्रमुख धुरी पर करता है, लेकिन यदि आप R का उपयोग कर रहे हैं तो आप FactoMineR पैकेज पर एक नज़र डाल सकते हैं dimdesc()समारोह।
यहाँ USArrestsडेटा के साथ एक उदाहरण दिया गया है:
> data(USArrests)
> library(FactoMineR)
> res <- PCA(USArrests)
> dimdesc(res, axes=1) # show correlation of variables with 1st axis
$Dim.1
$Dim.1$quanti
correlation p.value
Assault 0.918 5.76e-21
Rape 0.856 2.40e-15
Murder 0.844 1.39e-14
UrbanPop 0.438 1.46e-03
> res$var$coord # show loadings associated to each axis
Dim.1 Dim.2 Dim.3 Dim.4
Murder 0.844 -0.416 0.204 0.2704
Assault 0.918 -0.187 0.160 -0.3096
UrbanPop 0.438 0.868 0.226 0.0558
Rape 0.856 0.166 -0.488 0.0371
जैसा कि नवीनतम परिणाम से देखा जा सकता है, पहला आयाम मुख्य रूप से हिंसक कृत्यों (किसी भी प्रकार का) को दर्शाता है। यदि हम अलग-अलग मानचित्र देखें, तो यह स्पष्ट है कि दाईं ओर स्थित राज्य वे हैं जहाँ ऐसे कार्य सबसे अधिक होते हैं।
आपको इस संबंधित प्रश्न में भी रुचि हो सकती है: प्रमुख घटक स्कोर क्या हैं?