《表2 KMO and Bartlett's检验》

  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

《基于因子分析法的省域技术创新能力评价研究》

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

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。