《表2 KMO and Bartlett's检验》
本文运用SPSS20.0软件对2012年~2017年的6组截面数据首先进行“去时间化”,即将其置于同一维度中进行研究,降低了研究结果的偶然性。通过建立各省市技术创新能力分析模型,对影响区域技术创新能力的关键因子、关键指标进行识别,在保留原始数据较大信息量的同时实现降维。在进行分析时,考虑到原始数据量纲的不同,首先需要对原始数据进行标准化处理,以消除量纲的影响。在进行主成分提取之前,需要标准化后的原始数据满足两个假设条件,一是数据需是连续变量或者有序分类变量,二是变量之间存在线性相关关系。本文的数据均为连续变量,满足假设一;然后需要通过KMO检验以及Bartlett球形检验判断其数据之间是否存在线性相关关系,即是否适合做因子分析。KMO检验主要用来判断数据之间的相关性,其系数介于0与1之间,KMO值越接近1,表示数据相关性越高;通过KMO检验和Bartlett球形检验分析各指标数据结构,结果如表2所示:KMO值为0.893,大于0.5,Bartlett球形检验的P值为0.000,小于0.001,显示该指标数据结构很好,具有相关关系,适合进行主成分提取。
图表编号 | XD00107342500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.25 |
作者 | 孟娜 |
绘制单位 | 西北大学经济管理学院 |
更多格式 | 高清、无水印(增值服务) |