本文在论述综合评价基本理论和基本方法的基础上，探讨了基于主成分的综合评价问题，重点分析了综合评价指标体系构建、无量纲化方法的选择、权数确定以及核方法的应用等综合评价核心问题，系统研究了主成分分析法可能出现的指标高度相关问题、逆序问题和样本优化问题。 首先，本文对标准化、均值化、极值正规化这三种无量纲化法作了分析和比较，进而对协方差矩阵主成分分析和相关系数主成分分析各自的优点和不足作了详细的对比研究，为无量纲化方法和主成分矩阵的选择确定了依据。 接着，本文利用Pearson的 统计量理论构建定性指标的相关系数矩阵，进而用主成分分析法进行指标筛选，从而为定性指标的筛选提供了定量化方法；又根据主成分分析法基础之上的因子分析理论，利用主成分与各指标之间的相关系数绝对值的大小进行指标聚类，从中揭示出各类指标共同代表的特征，从而达到对定量指标体系结构进行优化的目的。 然后，本文利用数学推理的方法论证了只能用第一主成分对应的特征向量作为综合评价的权数，从而指出了很多主成分综合评价研究应用多个主成分进行综合评价的误区。进而本文针对主成分综合评价经常出现的第一主成分方差贡献率太低的事实，结合核的优秀特征提取性能，建议采用基于核的主成分分析法提高第一主成分的方差贡献率，从而达到获得客观合理的主成分综合评价结果的目的。 最后，本文分析论证了指标间相关度很高时会严重扭曲综合评价结论，并指出使用基于核的主成分分析法尤其易出现指标高度相关的问题，为此，本文提出用分层主成分分析法回避指标高度相关对综合评价结果的影响。为解决综合评价中的逆序问题，本文构建了模糊AHP-PCA模型。另外，本文还提供了剔除或削弱劣点的方法以达到样本优化的目的。