《表2 解释的总方差一览表》
提示：宽带有限、当前游客访问压缩模式
利用主成分法提取公共因子，结果如表2所示，此次共提取了4个公共因子，它们累计解释了原有变量87.958%的信息量，因子提取效果较为理想。（表2)
| 图表编号 | XD00222191900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.01 |
| 作者 | 夏绪梅、李翔 |
| 绘制单位 | 西安财经大学商学院 |
| 更多格式 | 高清、无水印（增值服务） |
![表1 解释的总方差[2]](http://bookimg.mtoou.info/tubiao/gif/JMSJ202011072_03400.gif)
相关图表
- 《表2 主成分分析的总方差解释》2020.09.25
- 《表1 解释的总方差[2]》2020.11.01
- 《表2 主成分解释的总方差》2020.10.01
- 《表2 收益感知的总方差解释》2021.03.15
- 《表2 因子解释原有变量的总方差》2020.10.28
- 《表2 因子分析中解释的总方差》2020.07.02
- 《表2 主成分分析的总方差解释》2020.06.26
- 《表3 主成分解释的总方差一览表》2020.05.16
- 《表2 因子分析的总方差解释》2020.08.05
- 《表2 解释的总方差（部分）》2020.07.20
- 《表2 主成分解释的总方差》2019.10.01
- 《表2 2016年解释的总方差》2019.09.10
- 《表2 主成分解释的总方差》2019.07.20
- 《表2.因子解释原有变量的总方差》2019.06.20
- 《表2 解释的总方差 (13)》2019.07.10
- 《表2 因子分析过程解释的总方差表》2019.05.10
- 《表2 变量被解释的总方差一览表》2019.01.05
- 《表2 因子分析解释的总方差》2018.06.28
- 《表2 解释的总方差略图》2018.12.25
- 《表2:解释的总方差 (部分)》2018.08.25