解释多重对应分析的主要结果

使用惯量比率可确定占大部分数据预期值偏差的最小主分量（亦称为主轴）数量。保留解释可接受总惯量比率的主分量。可接受水平取决于您的应用。理想情况下，第一个、前两个或前三个分量占总惯量的大部分比率。

如果需要的最小主分量数量与您为分析输入的分量数不匹配，请使用相应数量的分量重新执行分析。

使用质量值可以为每个类别确定分量所占的惯量比率。“质量”始终是介于 0 和 1 之间的数字。质量值越大，分量对类别的表示越好。值越小，对类别的表示越差。质量值帮助解释分量。

使用列的贡献值可评估对每个分量的惯量贡献最大的类别。为了直观地解释分量，请使用列图。

指示符矩阵分析

轴	惯量	比率	累积	直方图
1	0.4032	0.4032	0.4032	******************************
2	0.2520	0.2520	0.6552	******************
3	0.1899	0.1899	0.8451	**************
4	0.1549	0.1549	1.0000	***********
合计	1.0000

列贡献

					分量 1			分量 2
ID	名称	二次	质量	惯性	坐标	相关	贡献	坐标	相关	贡献
1	小型	0.9655	0.0424	0.2076	0.3814	0.0297	0.0153	-2.1394	0.9357	0.7707
2	标准	0.9655	0.2076	0.0424	-0.0780	0.0297	0.0031	0.4374	0.9357	0.1576
3	未弹出	0.4739	0.2134	0.0366	-0.2844	0.4717	0.0428	-0.0197	0.0023	0.0003
4	弹出	0.4739	0.0366	0.2134	1.6587	0.4717	0.2497	0.1151	0.0023	0.0019
5	Collis	0.6133	0.1926	0.0574	-0.4264	0.6095	0.0868	0.0338	0.0038	0.0009
6	翻车	0.6133	0.0574	0.1926	1.4294	0.6095	0.2911	-0.1133	0.0038	0.0029
7	不严重	0.5680	0.1353	0.1147	-0.6523	0.5018	0.1428	-0.2371	0.0663	0.0302
8	严重	0.5680	0.1147	0.1353	0.7692	0.5018	0.1684	0.2795	0.0663	0.0356

检查列类别的计算惯量值。与预期值偏差越大的类别，惯量值越高，对总卡方值的贡献越大。