《表2 主成分载荷矩阵：基于多源数据的北京市六环路内酒店综合评级和空间布局研究》

  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

《基于多源数据的北京市六环路内酒店综合评级和空间布局研究》

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

利用主成分分析法把13个指标进行维度缩减，首先，KMO值为0.787，依据经验判断，KMO值大于0.7为中度适宜，适于主成分分析；其次，卡方值为20 331.15，远远大于临界值在自由度为28、概率值为0.01时的109.95，通过Bartlett检验。主成分的数目可以根据相关系数矩阵的特征根来判定，选取总计大于1的特征根，并观察得到前3项特征根累加百分比为83.625%，因此，取3个主成分。从主成分载荷矩阵（表2）可以看出，餐厅数量、门户平均耗时、超市便利店数量、景点平均耗时、地铁出入口数量、道路长度、商场与购物街数量在第一主成分上载荷较大，亦即与第一主成分的相关系数较高。酒店评分、点评数量、5分满意度占比和起住价与第二主成分的相关系数较高。餐饮平均评分则是在第三主成分的载荷较大，相关程度较高。因此，可将第一主成分、第二主成分、第三主成分分别命名为酒店区位便利性、酒店满意度、酒店周边商业服务质量。