《表5 主因子的特征值、贡献率、累积贡献率》

  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

《基于遥感的土地利用变化及驱动力分析——以重庆市渝中区为例》

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

主成分分析（PCA）也称主分量分析，即将多个变量通过线性变换以选出较少个数的重要变量的一种多元统计分析方法。该研究根据选取的9个指标因子，利用SPSS统计软件计算相关系数矩阵、特征值和因子贡献率。首先，进行KMO检验和巴特莱特球试验对变量进行检验，得到了KMO取样适切性量数为0.676，巴特利特球形度检验近似卡方为429.056（自由度为36），得到显著性水平小于0.05，则该组数据通过显著性检验，适用于因子分析。其次，进行下一步分析得到主成分的特征值、贡献率和累计贡献率（见表5）。