多変量解析における主成分分析の説明

主成分分析（PCA: Principal Component Analysis）は，多数の相関のある量的変数から互いに直交（無相関）する少数の合成変数（主成分）を合成し，情報の損失を最小限に抑えながらデータの次元を削減（変数の数を減らす）する多変量解析手法です。したがって正解はエとなります。 各選択肢の解説は以下のとおりです。 因子分析の説明です。観測された複数の変数の背後に潜む共通の要因（潜在変数・因子）を見つけ出します。 回帰分析（単回帰分析・重回帰分析）の説明です。ある変数（目的変数）の値をほかの変数（説明変数）から予測・説明します。 クラスター分析の説明です。データ間の類似度や距離に基づいて，対象をいくつかのグループ（クラスター）に分類します。

複数の変数をもつデータに対する分析手法の記述のうち，主成分分析はどれか。

出典令和5年度 秋期 応用情報技術者試験 午前 問2
ア
変数に共通して影響を与える新たな変数を計算して，データの背後にある構造を取得する方法
イ
変数の値からほかの変数の値を予測して，データがもつ変数間の関連性を確認する方法
ウ
変数の値が互いに類似するものを集めることによって，データを分類する方法
エ
変数を統合した新たな変数を使用して，データがもつ変数の数を減らす方法