对系统某一方面的特征进行评价时需要选取一组的因子{Ai}i=1.n，并观察每因子的数据生成矩阵（aij），因子选取的随机性引致其之间有些可以相互置换即有些因子属于同类，因子对系统特征的反映是有差别的即权重不同，以及数据孔径的不同一性，这就需要对含数据的因子进行处理并归为相互独立的几类（原因子数据矩阵的极大无关组的个数即类数，极大无关组即新因子组{Bi}i=1.m，并计算每类所含系统特征的信息量（计算新因子中每个因子的方差,一般方差越大即此新因子对系统反映的越全面即含有较大的信息量，应赋予较大的权重，故方差是赋予权重的标准）；选取每一类的中代表性元素特征定义此类（计算新因子中承载的每个旧因子的量即载荷量，表示新因子应该把哪几种原因子归为一类，载荷量是归类的标准），然后计算出每新因子对系统特征的贡献权重{Wi}i=1.m,在选取系统中归属于每一新因子中的值{yi}i=1.m,最后的评价值即为p=ΣWi.yi.

一般程序，保持数据孔径一致对原数据矩阵进行去孔径化即标准化处理xij-xi/σ,i=1.n,j=n.生成新数据矩阵C={cij},把此数据矩阵改写为列向量组{Ci}i=1.n,寻找此向量组的极大无关组不妨设C1...Cm,把其记住原向量组的基序列y={yi}i=1.m,并满足Ci=Σλijyj (j=1.m),(存在一个可逆矩阵H使得C=Hy)在计算向量组序列的协方差矩阵cov(yi,yj)=0,i≠j,cov(yi,yj)=σ2i,i=j,而Wi=σi/Σσi(i=1.m),在计算每一个旧因子在某一个新因子上的载荷量来区分每一旧因子是否与某新因子是一类，如果是一类就把一旧因子或者一组旧因子当作一个新因子的表征，载荷量即计算pij=cov(xi,yj),i=1.n,j=1.m,b

不妨设x1.xk归于y1类，xk+1.xk+k1归于y2类...xk+km-2+1.xk+km-1归于ym类,在选取每一类中的代表性元素表征此类，最后p=ΣWi.yi（yi是对每一类中的记值）