El propósito principal de este estudio es desarrollar un método que pueda ayudar a explorar datos multidimensionales relacionados con la infraestructura. La distribución espacial de la infraestructura social, incluyendo la vivienda y las instalaciones de servicios, suele ser desigual en una nación. Las razones subyacentes detrás de la configuración espacial de la infraestructura varían, y su examen exhaustivo es crucial para entender las verdaderas implicaciones de su distribución sesgada. Sin embargo, el examen simultáneo de toda la infraestructura social no siempre es sencillo debido al volumen de datos. La presencia de fuertes correlaciones entre las instalaciones puede dificultar aún más la identificación de patrones significativos. Con este fin, presentamos una extensión del PCA que construye componentes principales dispersos para subconjuntos locales de los datos. Para demostrar sus fortalezas y limitaciones, lo aplicamos a un conjunto de datos sobre vivienda e instalaciones de servicios en Corea. Los resultados exhiben patrones geográficos claros y ofrecen valiosos conocimientos sobre los patrones espaciales de la infraestructura social, que el PCA estándar solo abordó parcialmente. Proporciona evidencia empírica de que el método propuesto puede ser una alternativa efectiva a las técnicas tradicionales de reducción de dimensiones para explorar la heterogeneidad espacial en grandes datos multidimensionales.