相关矩阵表
各个变量之间存在着较强的相关关系，如果直接对其进行分析的话，有可能产生严重的共线
性的问题，所以，就有必要对其进行主成分分析。上面表中的空格表明自身相关系数为1，
它的不相关的显著性概率为 相关矩阵表
各个变量之间存在着较强的相关关系，如果直接对其进行分析的话，有可能产生严重的共线
性的问题，所以，就有必要对其进行主成分分析。上面表中的空格表明自身相关系数为1，
它的不相关的显著性概率为 0，也就不再显示出来了。
变量共同度
上面表中所显示出来的变量的共同度对所有的变量都是1，说明这个模型解释了每一个变量
的全部的方差，然而就不需要特殊因子了，也就是说特殊因子的方差为0。解释总方差表
根据上面解释总方差表的显示，我们可以知道表中所列出的所有的主成分，他们是按照特征
根从大到小的顺序排列的。可以得知，第一个主成分的特征根是，它解释了总变异的%；第
二个主成分的特征根是，虽然它解释了总变异的%，但是由于它的特征根远小于 1，这就说
明了第二主成分的解释力度还不如直接引进原始的变量大。所以，根据主成分的个数的确定
原则，也就是累积方差贡献率达到 80%~85%以上并且要求特征值要大于 1 这两个原则才可
以，就确定了这 6 个变量所需要提取一个主成分。碎石图
碎石图其实就是按照特征根大小排列的主成分散点图，如上图所示的，第一主成分的特征根
大于 1，从第二个主成分开始特征根都比较偏低，然而特征根小于1，就可以看做第一个主
成分能够概括绝大部分的信息。
因子载荷矩阵
从上面表中的因子载荷矩阵可
主成分分析结果 来自淘豆网m.daumloan.com转载请标明出处.
