《表1 前两个因子的方差贡献率》

  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

《河南省人身保险市场区域差异因素分析》

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

提取方法：主成分分析

因子分析是通过具体指标测评抽象因子的统计分析方法，是通过显在变量测评潜在变量。原始的变量是可观测的显在变量，而因子一般是不可观测的潜在变量。它通过研究变量间的内部依赖关系，用少数抽象的变量来表示它基本的数据结构。这几个抽象的变量被叫做因子，它们能反映原来众多变量的主要信息。简单的说，因子分析是一种降维、简化数据的技术。因子分析要求原始变量之间要存在较强的相关关系，所以本文通过SPSS20.0软件，选用KMO测度和巴特莱特球体检验，得出检验所选变量数据的KMO值为0.69，大于0.5，且巴特莱特统计值的显著水平为0.00，说明原始变量之间存在显著的相关关系，这些变量适合作因子分析。根据表1各因子方差贡献率可以看出，前两个因子的特征根累积贡献率达到84.37%，且碎石图1中只有前两个特征值大于1，因此，保留前两个因子即可代表原始变量所包含的基本信息。