《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》

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

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。