现有统计调查中存在大量定性和定量的混合数据,为了能用较少指标进行分析,可以采用主成分分析的方法。然而,传统主成分分析要求数据符合正态化假定,且所有变量被标在数字层面时,得出的结果才有效。显然,混合数据并不满足以上条件,从而导致错误结论。因此,研究混合数据的主成分分析是有必要的。本文以主成分分析方法为基石,从数据变换、相关性特征提取以及数据中心化这三个方面出发,结合数据预处理、polyserial和polychor相关、广义奇异值分解(GSVD)和对应分析(MCA)等处理手段,使混合数据分析的主成分方法更有效。本文结合Gironde地区统计调查数据中11个定性变量和16个定量变量,利用R软件分析,得到特征矩阵的主成分降维效果较好,经过GSVD和MCA处理的主成分与原始数据相比,其5分类的聚类分析结果更符合Gironde地区城镇社会发展水平情况。从方法处理的复杂程度和分析结果的解释能力可以发现,数据变换解决了定性数据量化问题,特征矩阵可解决常规相关系数不能计算混合数据相关性问题,基于GSVD和MCA的方法可以处理混合数据主成分提取问题。本文的结论为利用主成分分析方法对混合数据降维,以及进一步的诸如聚类等多元混合数据分析过程提供参考。