《表3 主成分方差贡献率：金融科技的社交网络关注:理论模型及其实证分析》
提示：宽带有限、当前游客访问压缩模式
由表3方差贡献率可知，3个主成分分别解释了关注指数39%、35%和26%的方差，选择3个主成分构建关注指数能够完全解释其方差，构建该关注指数表达式为:
| 图表编号 | XD0029345600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.05 |
| 作者 | 田婧倩、刘晓星 |
| 绘制单位 | 东南大学经济管理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 主成分分析的特征向量和方差贡献率》2020.12.01
- 《表3 分维度估计结果：科技金融对中国经济高质量发展的影响研究——理论分析与实证检验》2021.02.05
- 《表2 主成分分析结果：影子银行、金融杠杆与金融稳定——基于VAR和门限回归模型的实证研究》2021.02.25
- 《表2 理论模型主成分分析前4个主成分的贡献率和累计贡献率》2020.06.25
- 《表3 主成分方差贡献表：乡村振兴战略背景下金融支持农业产业化发展研究——以张掖市为例》2020.03.25
- 《表3 百合花瓣营养成分含量的主成分分析的方差贡献率》2020.04.20
- 《表3 主成分分析的特征值与方差贡献率》2020.06.01
- 《表4 主成分的特征值及其方差贡献率》2020.08.25
- 《表3 主成分分析的特征根和方差贡献率》2020.02.01
- 《表5 命名后的主成分及其方差贡献率》2020.02.25
- 《表1 累计方差贡献率：基于主成分分析和递归神经网络的短期股票指数预测》2019.09.20
- 《表3 沁怀地黄主成分分析的主成分信息和方差贡献率》2019.06.20
- 《表1 0 金融科技需求动力指数主成分特征值及贡献率》2019.03.05
- 《表7 金融科技供给动力指数主成分特征值及贡献率》2019.03.05
- 《表4 覆膜与不覆膜条件下主成分分析中各因子的载荷矩阵、特征根及其方差贡献率》2019.01.10
- 《表6 最优滞后期的确定：金融科技的社交网络关注:理论模型及其实证分析》2019.01.05
- 《表7 格兰杰因果检验：金融科技的社交网络关注:理论模型及其实证分析》2019.01.05
- 《表4 方差分解结果：全球金融周期及其成因分析——基于VAR模型的实证检验》2018.01.15
- 《表8 主成分分析特征值、积累方差贡献率及其特征向量》2018.09.01
- 《表2 特征值与贡献率：基于主成分分析的随机遗传BP网络及其房价预测》2019.08.01