《表3 总方差解释:基于主成分分析的BP神经网络在稀土价格预测的应用:以氧化镝为例》
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
《基于主成分分析的BP神经网络在稀土价格预测的应用:以氧化镝为例》
注:提取方法为主成分分析法
由表2可知,KMO检验值大于0.8和Bartlett球形度检验P值为0.000,说明本文选取的33个变量适合进行因子分析。使用SPSS对变量进行因子分析,以特征值大于或等于1为因子方差提取标准(表3)。根据因子解释的总方差来看,成分1~成分5的累积方差贡献率达到81.982%,提供了足够的原始数据信息,能够反映较大部分的方差变化情况,因子分析结果较为理想。因此可以用前5个主成分进行后续分析。
图表编号 | XD00179081900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.15 |
作者 | 边璐、肖月淑、张江朋 |
绘制单位 | 内蒙古科技大学经济与管理学院、内蒙古科技大学经济与管理学院、内蒙古科技大学经济与管理学院 |
更多格式 | 高清、无水印(增值服务) |