《表1 解释的总方差:基于主成分多元回归的APP任务分派模型》
首先,从已完成的任务与会员信息中随机选择200个样本,进行整合处理,选取任务纬度、任务经度、会员纬度、会员经度、预定限额、信誉值六个因素做为自变量,对这些数据进行KMO检验和Bartlett球形检验,KMO值为0.503较接近1,Bartlett球形检验中的Sig.的值小于0.001,表明适合进行因子分析[3]。在表1的初始特征值中,最大的数值是1.79,后面依次1.534、1.264,这3个主成份能够代表原始数据的大部分信息,具有较强的解释力度。根据各个成分的累积方差贡献率,可以得到前3个主成份的特征值均大于1累积方差贡献率达到76.468%,这说明前3个主成份因子提供了原始数据的足够信息,能够很好的代替原始数据,因子分析结果是比较理想的。
图表编号 | XD0074424600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.20 |
作者 | 苗艳丽、张志刚 |
绘制单位 | 西安财经大学信息学院 |
更多格式 | 高清、无水印(增值服务) |