贡献率（％）＝贡献量（产出量，所得量）／投入量（消耗量，占用复量）×100％贡献率也用于分析经济增长中各因素作用大小的程度。
计算方制法是：贡献率（％）＝某因素贡献量（增量或增长程度）／总贡献量（总增量或增长程度）×100％。样本中各数据与样本平均数的差的平方和的平均数叫bai做样本方差；样本方差的算术平方根叫做样本标准差。
样本方差和样本标准差都度量了样本波动的大小。样本方差或样本标准差越大，样本数据的波动越大。显然，方差贡献率是指贡献率的波动，累积方差贡献率是指贡献率波动的累积。
扩展资料：
有两种因素分析方法。一种是探索性因素分析，另一种是验证性因素分析。探索性因子分析让数据“不言自明”，无需预设因子和测量项之间的关系。
主成分分析和辅助因子分析是典型的方法。验证性因子分析假设一个因子和一个测度项之间的关系是部分已知的，即哪个测度项对应哪个因子，虽然我们还不知道具体的系数。
探索的因素分析有一定的局限性：
1、它假设所有的因素（旋转之后）都会影响度量项。在实际研究中，我们倾向于假设一个因素之间不存在因果关系，因此可能不会影响另一个因素的测度项。
2、探索性因子分析假设测度项残差是相互独立的。
事实上，测度项的残差可以通过单方法偏差、子因素和其他因素进行关联。
3、探索性因素分析迫使所有因素独立。
虽然这是解决因素数量的权宜之计，但与大多数研究模型不一致。最明显的是，自变量和因变量应该是相关的，而不是独立的。
这些局限性需要一种更灵活的建模方法，这使得研究人员不仅可以更详细地描述测量项和因素之间的关系，还可以直接测试它们之间的关系。在探索性因子分析中，一个被检验的模型（如正交因子）往往不是研究者理论中的精确模型。
贡献率（％）＝某因素贡献量（增量或增长程度）／总贡献量（总增量或增长程度）×100％。
因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。
因子分析法的特点：
因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的，但又无法直接测量到的隐性变量 (latent variable, latent factor)。比如，如果要测量学生的学习积极性(motivation)，课堂中的积极参与，作业完成情况，以及课外阅读时间可以用来反应积极性。
而学习成绩可以用期中，期末成绩来反应。在这里，学习积极性与学习成绩是无法直接用一个测度(比如一个问题) 测准，它们必须用一组测度方法来测量，然后把测量结果结合起来，才能更准确地把握。换句话说，这些变量无法直接测量。可以直接测量的可能只是它所反映的一个表征(manifest)，或者是它的一部分。
本回答被网友采纳