《表4 河流沉积物重金属主成分解释总方差》

  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APCS-MLR的宝象河沉积物重金属污染源解析》

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

主成分分析（PCA）基于主变量和次变量之间的相互关系进行矢量估计，它包括奇异值的分解（SDV）、维数的选择（选取主成分）和旋转（使因子更具有代表性）3个步骤，用VARIMAX方差极大正交旋转法进行旋转，按照特征值大于1的原则提取主成分[9，27，28]。分析前，应先通过KMO-Barlett球性检验检查变量间的相关性和偏相关性，KMO统计量在0.7以上时效果比较好；Bartlett球形检验用于判断相关阵是否是单位阵，SPSS检验结果显示Sig.<0.05（即P值<0.05）时，说明符合标准，数据呈球形分布，各个变量在一定程度上相互独立。宝象河重金属间的KMO值为0.766，检验的显著性水平小于0.05，适合因子分析。通过SPSS分析（表4)，5种金属污染源基本可由2个主成分表示：主成分PC1的特征值为3.40，方差贡献率为67.99%；主成分PC2的特征值为1.06，方差贡献率为21.29%。2个主成分因子解释总变量的89.29%，因此说明前2种因子可以反映5种金属的大部分信息来源。旋转前后，总的累计方差贡献率没有变化，因此可以断定总的信息量几乎没有损失。