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。 徐州市人口城镇化综合质量水平评价(3):http://www.youerw.com/guanli/lunwen_38212.html