یکی از معروف‌ترین رویکردهای اکتشافی برای کاهش بُعد و توصیف ساده‌تر منابع اصلی تغییرات، تحلیل مؤلفه‌های اصلی است. با وجود مزایای جالب توجه این روش، به‌کارگیری آن در برخی از مواقع مشکلاتی را به همراه دارد. حضور نقاط دوراُفتاده در مجموعه‌داده‌ها، تأثیرهای مخربی بر نتایج این رویکرد دارد که به نظر می‌رسد گونه‌ای از مؤلفه‌های اصلی که اُستوار باشند برای اخذ نتایج معتبر، سودمند است. به علاوه، وجود بارهای میانی در برخی از ترکیبات خطی، تفسیر مؤلفه‌ها را دشوار می‌سازد که در این حالت می‌توان گونه‌ای از تُنُک‌سازی مؤلفه‌ها را در نظر گرفت. در این مقاله، برای حصول هم‌زمان مؤلفه‌های اصلی اُستوار و تُنُک، رویکرد ترکیبی کارآمدی ارائه و سپس به‌منظور ارزیابی و مقایسه آن با رویکردهای مطرح شده از شبیه‌سازی آماری بهره گرفته می‌شود. در نهایت، ابزارهای مورد اشاره در تحلیل مثال واقعی مرتبط با مجموعه‌داده‌های جرم و جنایت در آمریکا مورد استفاده قرار می‌گیرد.