《表3 旋转后的公因子载荷矩阵、特征值、贡献率、累计贡献率》
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
《基于因子分析和聚类分析的政务微博影响力研究——以山东省17个城市公安政务微博为例》
一般而言,因子分析是基于特征值大于1的公共因子的标准提取,并且主成分的累积贡献率要求大于80%。如表3所示,公因子F1的特征值为4.184>1、公因子F2的特征值为3.262>1,公因子F1的方差贡献率为46.490%、公因子F2的方差贡献率为36.240%,公因子F1和公因子F2的累积方差贡献率为82.730%,结果表明,公因子F1和公因子F2能够准确、有效地反映原始数据的9个指标,原始数据的信息缺失极少。通过kaiser标准化的正交旋转法,在两次迭代后收敛形成了一个新的公共因子载荷矩阵,并使得每个原始指标在公因子F1和公因子F2上产生更高的负载比率。
图表编号 | XD00204832500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.15 |
作者 | 高莹、王晓 |
绘制单位 | 曲阜师范大学管理学院、曲阜师范大学管理学院 |
更多格式 | 高清、无水印(增值服务) |