《表4 因子载荷矩阵：COVID-19疫情时空聚集性特征及影响因素分析——以重庆市为例》

  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

《COVID-19疫情时空聚集性特征及影响因素分析——以重庆市为例》

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

为了分析空间聚集性的影响因素，本文使用反映社会经济与人口活动的数据提取了8个变量（表4）。对上述8个变量分别进行标准化，计算KMO值为0.885，表明变量间的相关性较强；计算Bartlett球形度检验的近似卡方观测值为853.5，在0.01水平下认为变量间线性相关，故可以使用因子分析。本文提取的因子1～因子4分别解释了原方差的23.2%、20.4%、19.3%、16.2%，累积方差载入为79.1%，充分概括了原变量的信息。因子载荷矩阵如表4所示。因子1在夜光指数、住宅小区密度载荷较大，命名为居民分布因子；因子2在商店超市POI密度、餐饮服务POI密度载荷较大，命名为生活服务因子；因子3在路网密度、交通站点POI密度载荷较大，命名为城市交通因子；因子4在活跃手机用户密度、街道间交互强度载荷较大，命名为街道间活动因子。这4个因子从意义上表现出清晰的层次特征，所提取的因子对新冠肺炎传播诸要素概括较为全面、准确。