《表1 特征值和方差贡献表》

  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

《福建承接信息技术服务外包竞争要素评价——基于东部地区省际比较视角》

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

共有10个样本参与分析，其中只有前两个主成分因子的特征值大于1（见表1），故选取这两个主成分因子作为本文研究的公共因子。KMO检验的目的是为了判断数据是否适合进行因子分析，取值为0～1。一般认为，KMO的取值越接近于1，表明变量间相关性越强，因子分析的效果越好。KMO值大于0.9时，因子分析效果最优；KMO值为0.7～0.9时，效果较好；KMO值为0.6～0.7时，效果一般；KMO值为0.5～0.6时，效果稍差；而当KMO值小于0.5时，则认为不适合作因子分析。KMO检验总体取值为0.701，Bartlett球度检验方法得出P值为0.002，小于显著性水平0.05，拒绝各变量之间相互独立的原假设，各因子间的相关性较强，说明因子分析的效果还是不错的。第一个因子的特征根为3.655 15，方差贡献率为60.92%，即解释了原始变量的60.92%，前两个因子的累积方差贡献率达83.32%，说明这两个公共主成分因子代表了原始变量的大部分信息，原有变量信息丢失较少。