《表2 主成分变量主导因子Tab.2 The dominant factors of principal components of driving factors》

  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

《基于重心-GTWR模型的京津冀城市群城镇扩展格局与驱动力多维解析》

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

为了检查并排除数据的多重共线性，首先采用相关性分析[46]方法对驱动因子数据进行相关性判断，检查因子之间的相关性，判断结果表明多数选取因子之间显著相关。然后采用主成分分析法，提取22个驱动因子之中的主成分，并得到主成分载荷矩阵和成分得分系数矩阵。主成分分析的原理[47]是借助一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新的随机变量，然后对多维变量系统进行降维处理，使之能够以一个较高的精度转换成低维度变量系统。根据主成分载荷矩阵中各个主成分对应因子指标绝对值的大小，可以判定影响该主成分的主导因子，参数值的正负代表着因子对该主成分影响的性质。根据成分得分系数矩阵中的各个主成分对应因子指标的值，通过回归方法[18]计算每个样本的主成分综合得分。经上述过程排除因子之间的多重共线性之后，以主成分综合得分值作为样本自变量进行分析，将其通过Arc GIS 10.2赋值给相应的时空对象点的属性字段，完成对模型数据的预处理。主成分分析得出的主成分主导因子如表2所示。