主成分的高手（已经得到线性表达式了，怎么做出解释）

看来你这个乱弄的 没什么意义

85%以上的贡献率确实已经很高了。

接下来，你可以对于某一个Yi(i=1或2或3）分析，讨论Xi(i=1,2,...,6)前系数的绝对值。绝对值越是大，说明这个指标对于这个Yi的影响程度越大。

但是，这里还有个问题，即：这三个Yi的含义是什么？这里有两种可能：
1。这3个Yi代表了不同的含义（大多数应该就是这个情况），那么你就按照上面说的方法作，可以分别分析这3个Yi所受的影响程度。

2。这3个Yi是同一个含义，只是不同的结果。这样的话比较麻烦。一种简单的解决的方法就是，主观认为这3个结果的权重相同，于是，将他们叠加并作平均（这样做合理的理由是：你的3个表达式都是线性的，因此可以做加权平均），再比较最后得到的这个Y中，6个Xi前面的系数大小；另一种比较麻烦的方法，要结合Jaccobi矩阵来算的，这个讲起来实在麻烦，可以参考相关书籍。我估计你这个是写论文用到的吧?如果你是硕士或一下学位的论文，直接用前一个方法应该就可以了。

比如说第一个表达式 y1:
y1 与 x2,x3,x4,x5,x6成正比关系，而与x1成反比关系
=>当气候积温升高的时候，y1也升高。其他的解释方法相似

主要成份分析的目标是在尽可能多地保留高维空间中随机性的同时，实现维度的减少。也可以说主要成份分析旨在利用降维的思想，把多指标转化为少数几个综合指标，但是这样带来的一个最重要的问题就是结果的解释问题。
把几个量纲不一样的变量进行线性组合得到的算是什么变量呢？
产量、温度、降水量、日照时数的线性合成怎么理解，实在是一个不好回答的问题。因此，楼主希望对上面的线性表达式做出实际的解释，这是不容易实现的。

当然你也可以按照你在另一个问同样问题的帖子的回答中选择“ albert1840”的意见：（
根据给出的【系数大小】我们可以解释：
Y1成分与【有效积温、活动积温、日降水量】三个因素有较大关系，我们可以定义Y1为新的含义-舒适性指标
Y2成分与【产量、日照时数】有较大关系，我们可以定为-结果性指标
Y3成分与【气候积温】有较大关系，我们就定义为-大背景指