Robust PCA 是一个非常活跃的研究领域，以合理的方式识别和去除异常值是相当微妙的。（我在这个领域写了两篇论文，所以我对它有点了解。）虽然我不了解SPSS，但您可以在这里实现相对简单的算法（1） 。

这个算法（不是我的）有严格的保证，但只需要一些基本的计算和一个“while”循环。假设您正在搜索$d$主成分，基本程序是

1. 根据您的数据计算 PCA，
2. 将您的数据投影到顶部$d$主要成分，
3. “随机”丢弃投影“太大”的数据点之一，并且
4. 重复这个“几次”。

引号中的所有内容都是启发式的；您可以在论文中找到详细信息。

这个过程背后的想法是，在 PCA 之后的投影很大的向量可能对估计的影响太大，所以你可能想把它们扔掉。事实证明，选择“随机”扔掉的东西实际上是一件合理的事情。

如果有人真的想花时间为此编写 SPSS 代码，我相信 @cathy 会很感激的。