12.7因素分析的使用.ppt

LOGO 第12章　因素分析 　　1. 因素分析的主要概念及目的 　　2. 主成份分析與一般因素分析之差異 　　3. 因素分析轉軸的概念 　　4. 決定因素萃取的個數 　　5. 如何對因素作命名 　　6. 因素得點的作用及計算 * ? 本章的學習主題 ? 12.1 資料分析的架構 相關分析與迴歸分析 變異數分析與多變數分析 典型相關分析 集群與區別分析 線性結構關係模式分析 多元尺度分析 聯合分析 層級程序分析 資料包絡分析 * 當研究者經過資料蒐集之程序，收集許多資料後，首先要進行資料編碼、輸入及資料分析之工作，在行銷領域中最常用之資料分析方法包含下列幾種： 12.1 資料分析的架構 為了能使讀者容易瞭解資料分析之過程，並對於各章節所使用之資料分析方法能前後連貫，本書在各章所用之資料均屬於相同之資料，此資料為作者過去的研究案例。 本案例主要在探討社會資本與企業傾向對於知識管理能力、創新以及組織績效之間關係的調和效果，其研究架構如下頁圖所示。 * 12.1 資料分析的架構 * 行為意圖 －品牌忠誠意圖 －社群參與意圖 －社群推薦意圖 知識分享 －與會員間分享 －與公司分享 信任 －資訊基礎 －認同基礎 能力 機會 －支持 －網站效能 多重動機 －成就動機 －從屬動機 －權力動機 12.2 因素分析的概念 因素分析( factor analysis )屬於多變量分析方法中互依分析方法 ( analysis of interdependence ) 的其中一種技術。 　　 目的是將彼此相關的變數，轉化成為少數有概念化意義的因素。 * * 12.3 因素分析的目的 　因素分析的兩個主要目的： －減少變數 (data reduction) －歸納變數 (summarization) 12.4 因素分析的理論架構 因素分析理論假定個體在變數上之得點，係由二個部分組成，一個是各變數共有的成分，即共同因素(common factor; f i)，另一個是各變數所獨有的成分，即獨特因素(unique factor; εi)。 * 圖 12-1 因素分析路徑圖 f1 f2 ε4 ε3 ε2 ε1 V1 V4 V2 V3 ε5 V5 ε6 V6 12.5 因素分析與主成份分析 主成份分析 主成份分析是將所收集到各量測變數之資料予以歸納，並找出一個最能夠解釋各變數之因素（稱為主要成份因素），主要成份因素找到後即可以依主成份分析為基準再去尋找其餘的因素。 因素分析與主成份分析皆能達成資料簡化的目的，但因素分析其結果經過轉軸，較易使用於往後的解釋及應用。 * 12.6 進行因素分析前資料的檢視 1. 檢視資料的相關係數矩陣，相關係數須顯著的大於0.3。 2. Bartlett的球型檢定(Bartlett test of sphericity)，此種統 計檢定主要是用來檢定變數間的相關係數是否顯著，核定 結果若p值小於0.05即代表顯著。 3. 取樣適切性量數(KMO)，其值介於0到1之間，若KMO等於 1表示每一變數均可被其他變數完全的預測，若KMO≧0.9， 表示資料非常適合做因素分析；0.9＞KMO≧0.8，表示很適 合；0.8＞KMO≧0.7，表示還不錯；0.6＞KMO≧0.5，表示不 太適合；KMO＜0.5，表示資料不適合做因素分析。 * * 12.7 因素分析的使用 一、確立分析的目標 二、設計因素分析 三個基本原則： 1. 計算投入的資料 ( 相關矩陣 ) 來尋求特定的合 群 ( grouping )目標。 2. 由變數個數、測量特性及可容忍的型態之觀點 來設計該研究。 3. 樣本大小不得少於50個，一般原則是要求該數 目至少要有變數個數的5倍，最適者為一比十 的比例，例如研究變數有15個，則最適樣本數 最少應為150。 三、導出因素並評估整體的適合度 　1. 萃取因素的方法：主要有一般因素分析法與主 成份分析法兩種，選擇何種則視研究者的目標 而定。 　2. 因素個數的選擇：在選擇因素的個數上，主要 是以尋求該因素的特徵值(eigenvalue)大於1作 為取決的標準，只有在因素特徵值大於1的情況 下才選擇使用。 * 12.7 因素分析的使用 四、因素的解釋 －直交轉軸法（orthogonal rotation） ＊最大變異法（varimax） ＊四方最大法（quartimax） ＊平均最大法（equamax） －斜交轉軸法（oblique rotation） ＊直接斜交法 ＊Promax法 * 12