公因子方差是几个公因子方差的累计贡献率，累计贡献率越高，说明提取的这几个公因子对于原始变量的代表性或者说解释率越高，整体的效果就越好。 累计贡献率越低，说明提取的公因子的代表性或者说解释率越差，效果就越差。这个没有统一的标准，有的分析中，50%就可以接受，有的分析中，达到80%才可以接受等。 扩展资料：
公因子是能同时整除几个整数的整数，例如4和6的所有公因子为1，2，-1，-2，公因子都是以相反数形式成对出现的，所以一般研究正因子就够了，所以4和6的公因子为1，2。
设a,b是两个整数，若c是整数，且c整除a,则c称为a的一个因子（或约数），a的所有约数组成一个非空集合（设为A），b的所有因子组成集合B。 设有一个p维观测随机向量X，因子分析模型将X表示为m个不能观测的随机变量(公共因子)Fi和p个误差项εi(称为特殊因子)的线性组合Xp×1=μp×1+Lp×mFm×p+εp×1其中μp×1是X的均值向量。
