主成分分析法（Principal Component Analysis，PCA）是一種統計方法。通過正交變換將一組可能存在相關性的變數轉換為一組線性不相關的變數，轉換後的這組變數叫主成分。這種方法將許多相關性很高的變數轉化成彼此相互獨立或不相關的變數，在引進多方面變數的同時將複雜因素歸結為幾個主成分，使問題簡單化，同時得到的結果更加科學有效。由此可見，主成分分析實際上是一種降維方法，旨在利用降維的思想把多指標轉化為少數幾個綜合指標，便於進行進一步的分析和處理。
在實際課題中，為了全面分析問題，往往提出很多與此有關的變數（或因素），因為每個變數都在不同程度上反映這個課題的某些信息。主成分分析首先是由K.皮爾森對非隨機變數引入的，隨後H.霍特林將此方法推廣到隨機向量的情形。信息的大小通常用離差平方和或方差來衡量。
主成分分析被廣泛套用於區域經濟發展評價、服裝標準制定、滿意度測評、模式識別、圖像壓縮等許多領域。同時，它也是數學上用來降維的一種方法，在很多領域都有廣泛的套用，比如人口統計學、數量地理學、分子動力學模擬、數學建模、數理分析等學科中均有套用，是一種常用的多變數分析方法。