《表3 因子分析旋转后的载荷矩阵》

  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

《基于云PDR的区域物流能力评价研究》

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

（1）对通过分辨力和相关性检验的20个有效指标进行KMO（0.875）和Bartlett球形检验（Sig值为0.000），满足度量标准，说明其适合进行因子分析；（2）采用主成分分析法和Kaiser标准提取主因子，结果显示，前4个因子的特征值均大于1，且累积方差贡献率达到96.985%，说明这4个因子包含了20个指标的绝大部分信息量，可以较全面地反映区域物流的能力水平，因此，将其作为主因子，分别记作A1、A2、A3、A4；（3）根据正交旋转后的因子载荷矩阵（见表3）分析各主因子涵盖的指标并命名。主因子A1在指标C1、C4、C9、C11、C12、C14、C17、C19上载荷系数较大，包含了交通运输条件和信息发展水平的情况，命名为“物流基础设施”因子；A2在C3、C7、C8、C16、C22、C23上具有较大载荷，主要反映了物流发展的经济、政策环境，因此，称为“物流发展环境”因子；A3在C13和C20两个反映物流人才资源的指标上载荷较大，故称为“物流人才”因子；A4在指标C2、C5、C15、C21上具有较大载荷，这四个指标都与区域物流的产出规模相关，可称为“物流产出规模”因子。