Lo que creo que sucedió aquí es que todas las variables se correlacionaron positivamente con cada uno de los otros. En este caso, el 1º de PC muy a menudo resulta ser muy cercana a la media de todas las variables. Si todas las variables tienen una correlación positiva con exactamente el mismo coeficiente de correlación $c$, luego el 1 de PC es exactamente proporcional a la media de todas las variables, tal y como explico aquí: Puede un promedio de todas las variables que ser visto como una forma rudimentaria de PCA?
En este caso sencillo en el que realmente se puede derivar matemáticamente la relación que usted está preguntando acerca de. Considere la matriz de correlación de $n\times n$ tamaño de la que parece que: $$\left(\begin{array}{}1&c&c&c\\c&1&c&c\\c&c&1&c\\c&c&c&1\end{array} \right).$$ Its first eigenvector is equal to $(1,1,1,1)^\superior/\sqrt{n}$, which corresponds to the [scaled] average of all the variables. Its eigenvalue is $\lambda_1=1+(n-1)c$. The sum of all eigenvalues if of course given by the sum of all diagonal elements, i.e. $\sum \lambda_i=n$. So the proportion of explained variance by the first PC is equal to $$R^2=\frac{1}{n}+\frac{n-1}{n}c \approx c.$$
Así que, en este caso más simple, la proporción de varianza explicada por el primer PC es 100% de correlación con el promedio de la correlación, y para un gran $n$ es aproximadamente igual a él. Que es precisamente lo que vemos en su parcela.
Espero que para matrices grandes, este resultado será aproximadamente mantenga incluso si las correlaciones no son exactamente idénticos.
La actualización. El uso de la figura publicado en la pregunta, uno puede incluso tratar de estimar el $n$ al darse cuenta de que $n=(1-c)/(R^2-c)$. Si tomamos $c=0.5$$R^2-c=0.02$, entonces obtenemos $n=25$. El OP dijo que los datos fue un "DAX índice de la bolsa"; buscando en google, vemos que al parecer se compone de $30$ variables. No es un mal partido.
