主成分分析（Principal Component Analysis, PCA）是一种常用的数据降维技术。它通过对数据的协方差矩阵或相关系数矩阵进行特征值分解，提取出数据中最具代表性的主成分。以下是对选项的专业分析：

A: 主成分分析从协方差矩阵或相关系数矩阵出发，利用其特征向量和特征值求解。
- 这句话是正确的。PCA确实是通过计算协方差矩阵或相关系数矩阵的特征值和特征向量来确定主成分。

B: 主成分分析可以看做是对原始变量的综合与归纳。
- 这句话也是正确的。PCA通过线性变换将原始变量综合成少数几个主成分，这些主成分能够解释原始数据的大部分方差。

C: 主成分之间两两正交。
- 这句话是正确的。PCA的一个重要特点是主成分之间是正交的，即相互独立不相关。

D: 主成分方法可以很好地用于维度分析。
- 这句话也是正确的。PCA常用于降维，以减少数据的维度，同时尽可能保留数据的主要信息。

因此，以上说法中没有错误的选项。所有选项都是对主成分分析的正确描述。