《表2 各处理土壤构成因素特征向量及贡献率》
主成分分析(principal component analysis,PCA)可将原来众多具有一定相关性的数据降维生成互相无关的少量几个新的综合指标来代替原来的指标用于综合分析的方法,是现代多元数据分析的标准工具[28],可避免指标间的多重共线性问题[29]。利用SPSS对7个处理下的5个时期的10个性状进行数据标准化后,对其进行主成分分析,结果如表2所示。由表2可知,第1主成分特征值为7.120,贡献率为71.204%;第2主成分特征值为1.084,贡献率为10.835%,前2个主成分的累积贡献率达82.039%,且2个主成分的特征值均>1,能够有效解释原始变量的基本信息,达到了降维的目的,符合主成分分析的要求。因此,可以采用前2个主成分代替上述10个性状对不同处理在5个时期中的表现进行综合分析。
图表编号 | XD00182813600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.20 |
作者 | 于双、邹洪涛、杜志德、叶旭红 |
绘制单位 | 沈阳农业大学土地与环境学院、沈阳农业大学土地与环境学院、沈阳农业大学土地与环境学院、沈阳农业大学土地与环境学院、土壤肥料资源高效利用国家工程实验室 |
更多格式 | 高清、无水印(增值服务) |