PCA 生成的最终图形是方差比例图。正如在讨论PC 选择方法的章节中所述，任何给定主成分所解释的方差比例可按以下方式计算：

解释的方差百分比 = [（PC 特征值）/（所有特征值之和）]*100

因此，方差比例只是特征值的归一化版本。因此，方差比例图上的曲线形状将与特征值（Scree）图相同。该曲线显示了每个 PC 所解释的总方差的特异性比例，而该图的条形图则呈现了该 PC 及其之前所有 PC 所解释的累积方差。

在本示例中，我们使用平行分析作为 PC 选择方法。但是，如果我们选择根据累积方差的阈值来选择 PC，那么在该图中就会以指定阈值处的水平线的形式显示。从下图中我们可以看到，仅前两个 PC 就可以解释 90%以上的数据方差。3 个 PC 可以解释 95% 以上的数据差异，4 个 PC 可以解释 99% 以上的数据差异。所有五个 PC 均可解释数据总方差的 100%（记住：创建 PC 并不会改变数据的总方差。选择 PC 子集会减少该子集可解释的方差量）。