平行分析法（有时也称为 "霍恩平行分析法"，以其创始人约翰-L-霍恩的名字命名）是一种选择主成分的方法，可以考虑随机误差或噪声导致的数据差异。执行平行分析的过程可概括如下：
1.对数据集执行 PCA，确定每个 PC 的特征值
2.模拟与原始数据具有相同变异性（p）和观测值（n）的数据集
3.对模拟数据集执行 PCA 并确定模拟特征值
4.大量重复模拟/PCA 过程（默认为 1000 次），计算每次模拟的特征值
5.计算所有模拟中每个 PC 特征值的平均值和第 95 百分位数
6.将实际特征值与模拟特征值的 95th 百分位数进行比较
7.保留（选择）特征值大于模拟特征值第 95 百分位数的成分
这里的想法是，仅仅由于数据中的随机误差（随机抽样变异性），PCA 会生成一些特征值大于 1 的成分。一般来说，"噪声"数据生成的第一个特征值会随着变量数量的增加而增加，并随着观测值的增加而减少。如果只保留那些特征值大于模拟特征值第 95 百分位数的 PC，就能确保这些 PC 所解释的方差可能代表 "真实"方差，而非噪声方差。
