《表1 各主成分的贡献率和累计贡献率表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于BP神经网络的科研绩效评价模型结构》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:主成分1:学术论文；主成分2:科技奖励；主成分3:科研成果；主成分4:专利授权及相关知识产权；主成分5:学术著作；主成分6:科研经费与项目；主成分7:科研交流与活动；主成分8:人才队伍；主成分9:科研平台。

主成分分析法即为分析样本集中的相关性，将多个相关变量化为少数几个不相关变量。目前，在高校的科研绩效评价中，主要的评价指标有:发表论文的类型及数量如SCI收录论文数等、主办学术会议次数及级别、发表论文的作者排序、科研项目类型及数量、科研或教学成果奖励等级和项数、团队精神与创新文化建设、科研交流与活动、外派访问学者人数、获奖成果总数、科技专著总数、发表论文的刊物影响因子、科技奖励及成果、科研经费与项目、知识产权转让或使用授权数、省部级成果奖励项数、召开学术报告次数、发明专利等级、科研项目资助规模、地市级成果奖励项数、国家自然科学基金项目金额、科研成果鉴定、唯一主编著作篇数、科技成果转化专利授权及著作专利、发明专利项数、专著总部数、合作主编著作篇数、科研总经费、科研时间、科研项目类别、国家自然科学基金项目数量等[6]。使用MAT-LAB软件对某院校2017年的科研数据进行主成分分析得到9个主成分特征值，按特征值从大到小的顺序得到贡献率和累计贡献率如表1所列。