《表1 前两个因子的方差贡献率》
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。
图表编号 | XD00130315000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.10 |
作者 | 丁笑文 |
绘制单位 | 北京工商大学数学与统计学院 |
更多格式 | 高清、无水印(增值服务) |