股權(quán)眾籌平臺(tái)投資人決策影響因素分析
【文章頁(yè)數(shù)】:75 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1-1技術(shù)路線圖
圖1-1技術(shù)路線圖5本章小結(jié)本章作為論文開頭部分,主要是關(guān)于論文研究背景、研究目的和意義以及究方法的闡述。其中重點(diǎn)綜合分析互聯(lián)網(wǎng)+時(shí)代,股權(quán)眾籌產(chǎn)生的客觀性和
圖3-1KMO和Bartlett的檢驗(yàn)KMO檢驗(yàn)法是用來檢查各個(gè)變量之間的偏相關(guān)性,在統(tǒng)計(jì)量越接近1時(shí),
圖3-1KMO和Bartlett的檢驗(yàn)驗(yàn)法是用來檢查各個(gè)變量之間的偏相關(guān)性,在統(tǒng)計(jì)量越接相關(guān)性就越強(qiáng),表明此分析做因子分析對(duì)整個(gè)實(shí)驗(yàn)來說是適統(tǒng)計(jì)量為:在0.5以下是無(wú)法接受的,越接近于1,統(tǒng)計(jì)量用性就越佳。根據(jù)圖3-1的檢驗(yàn)結(jié)果顯示,KMO的值為0
圖3-3解釋的總方差圖3-3為解釋的總方差圖,它是包含了提取的公因子中的全部原始變量的信息的結(jié)果圖
圖3-3解釋的總方差圖3-3為解釋的總方差圖,它是包含了提取的公因子中的全部原始變量的信息的結(jié)果圖。其中提取公因子數(shù)目的標(biāo)準(zhǔn)就是特征值大于1,根據(jù)這一標(biāo)準(zhǔn),可以從第一大列初始特征值中提取大于1的8個(gè)特征值,累計(jì)方差貢獻(xiàn)率達(dá)到了69.287%,這8個(gè)特征值可....
圖3-4旋轉(zhuǎn)成分矩陣通過旋轉(zhuǎn)后因子載荷矩陣可以看出,因子1在關(guān)注人數(shù)、投資人數(shù)和討論
圖3-4旋轉(zhuǎn)成分矩陣通過旋轉(zhuǎn)后因子載荷矩陣可以看出,因子1在關(guān)注人數(shù)、投資人數(shù)和討論數(shù)三個(gè)指標(biāo)上的載荷較大;因子2在有粉絲和有投資經(jīng)驗(yàn)人數(shù)比兩個(gè)指標(biāo)上的載荷較大;因子3在所屬行業(yè)、有無(wú)視頻、出讓股權(quán)比例、是否有領(lǐng)投人四個(gè)指標(biāo)上的載荷較大,其中是否有領(lǐng)投人呈負(fù)相關(guān);....
本文編號(hào):3936061
本文鏈接:http://sikaile.net/jingjilunwen/guojimaoyilunwen/3936061.html