-
.588 .905 .820 -.068 1.000
- 上一篇：ARIMA模型淮安市空气污染指数变化建模研究
- 下一篇：主成分分析和因子分析的一个应用
表2
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .708
Bartlett's Test of Sphericity Approx. Chi-Square 3.985E3
df 28
Sig. .000
2.3原始数据分析
首先对数据进行尝试性分析。根据原有变量的相关系数矩阵，计算其特征值与累计贡献率，确定提取的因子个数。根据SPSS数据分析结果可知：按照特征根大于1的原则，选入了2个公共因子，其累计方差贡献率为77.713%，提取的因子包含了原有变量中的大部分信息。结果如表3所示。文献综述
表3
Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %
1 4.997 62.466 62.466 4.997 62.466 62.466 4.500 56.248 56.248
2 1.220 15.247 77.713 1.220 15.247 77.713 1.717 21.465 77.713
3 .894 11.169 88.882
4 .411 5.141 94.023
5 .233 2.913 96.936
6 .172 2.146 99.082
7 .071 .887 99.969
8 .002 .031 100.000
因子载荷值表现了主因子与原有变量指标之间的关联程度，因子载荷值越高，表明该因子包含的信息量越多。通过旋转后的因子载荷矩阵使得因子的实际含义更清楚，根据因子载荷矩阵可知：PM10、PM2.5、CO、SO2、NO2、NOX、NO在第一个因子上有较高的载荷量，F1主要解释了这几个变量，可解释为汽车尾气污染因子；O3在第二个因子上有较高的载荷，F2主要解释了这个变量。根据因子载荷矩阵我们可以写出因子分析模型：来.自/751论|文-网www.751com.cn/