С его помощью преобразуется система m исходных признаков x в систему m комбинированных признаков f, которые называются главными компонентами и которые упорядочены по величине их дисперсии, то есть по их влиянию на результативную переменную. При этом первая главная компонента имеет наибольшую дисперсию, а последняя – наименьшую. Тем самым можноснизить размерность уравнения регрессии, используя только первые компоненты, так как влияние компонент с малыми дисперсиями на результирующую переменную очень мало. На практике ограничиваются таким числом компонент, которые объясняют 70-80 % общей дисперсии. Компонентный анализ разработан в начале XX века К. Пирсоном.