《表5 载荷矩阵情况：基于因子分析法的SCARA型硅片传输机器人灵活性综合评价模型》

  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

《基于因子分析法的SCARA型硅片传输机器人灵活性综合评价模型》

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

根据以上所得的相关性矩阵，利用公式（9）计算特征值及对应的特征向量，得到特征值个数。由特征值的累积比例值确定主因子数为2，此时第一个公共因子的累积贡献率已经大于85%，基本可以涵盖原始变量的绝大多数信息，但由于只选了较少的几个原始变量，故应该考虑第二个公共因子，累积比例值可达99.18%，可以使综合得到的信息更加全面。累积贡献比例，如表4所示。载荷矩阵情况，如表5所示。通过以上的分析确定了公共因子的数量，因子载荷矩阵的维数由公共因子的个数来确定，即获得因子载荷矩阵的难易程度。通过对以上因子载荷分析可以看到，公共因子不容易被赋予具体的含义，虽然由所构造的因子分析数学模型找出了公共因子，但要进行深入的分析，就要知道每个公共因子所代表的具体含义。如果每个公共因子被赋予的意义模糊，则很难对特定的工程问题进行较好的解释。