《表2 因子分析解释的总方差》

  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

《农民低碳农业胜任素质及其影响因素分析》

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

采用KMO和Bartlett球形检验判断数据是否可使用因子分析，运用SPSS20.0对观测指标进行因子分析，结果显示KMO值为0.64（大于0.5），Bartlett球形检验统计量为1 603.25，显著性水平远小于1%，说明数据有公共因子存在，较适合做因子分析。但特征值大于1的观测变量累积方差贡献率仅为61.58%，故采取逐步剔除部分观测变量来增加模型的拟合优度，在删除变量X1，X2，X7，X9，X13，X14，X21，X22，X28之后，KMO值提高到0.67，Bartlett球形检验统计量为945.49，显著性水平远小于1%，此时模型达到最优，结果如表2所示。因子分析中通常取m个公共因子使得累积贡献率达到85%以上为宜，据此提取9个公共因子，累积方差贡献率达86.93%。