- 上一篇：徐州市城市空间扩展特征与动力分析
- 下一篇：宜兴“紫砂文化”产业旅游发展对策研究+SWOT分析
式中： 为标准化的结果， 为第 指标的第 年数值。
3.2 指标权重确定
3.2.1 数据分析
根据因子分析基本原理，计算出KMO和Bartlett的检验（表1）。KMO值越接近1，意着变量间的相关性越强。从结果中可以看出，Bartlett球检验是较显著的，说明存在因子结构，另外KMO=0.706，大于0.7说明数据较适合用因子分析进行分析。
表2 KMO和Bartlett的检验
取样足够度的Kaiser-Meyer-Olkin 度量。 0.706
Bartlett 的球形度检验 近似卡方 457.762
df 78
Sig. 0.000
3.2.2 提取公共因子
表3 解释的总方差
成份 初始特征值 提取平方和载入 旋转平方和载入
合计 方差的 % 累积 % 合计 方差的 % 累积 % 合计 方差的 % 累积 %
1 8.671 66.702 66.702 8.671 66.702 66.702 6.713 51.636 51.636
2 2.329 17.918 84.620 2.329 17.918 84.620 4.288 32.984 84.620
3 0.692 5.325 89.945
4 0.473 3.640 93.584
5 0.292 2.246 95.830
6 0.216 1.664 97.494
7 0.138 1.058 98.552
8 0.091 0.700 99.252
9 0.050 0.383 99.635
10 0.023 0.174 99.808
11 0.014 0.110 99.918
12 0.008 0.065 99.983
13 0.002 0.017 100.000
根据SPSS软件的原理，在提取公共因子的时候，选取方差大于1（或者特征值大于1）的因子，同时，按照因子的累计方差贡献率来确定，一般认为要达到80%才能符合要求，所以前两个为公共因子。根据方差表（表3），选取的2个主成分因子包含了原来的13个因子所包含信息的85.620%，即可以用这个两个新的因子来表示之前的13因子所含的信息。