因素负荷量factorloading.PPT

因素分析 10.1 探索性因素分析 10.2 在SPSS中使用探索性因素分析的範例 10.3 分析結果 10.4 因素命名及信度分析 10.1　探索性因素分析 1/4 因素模型(factor model) Xi = λi1Y1 + λi2Y2 +…+ λiKYK + εi λij稱為因素負荷量(factor loading)，εi為估計Xi時的量測誤差(measurement error)。 10.1　探索性因素分析 2/4 因素分析目的： 將許多的變數減縮為少數幾個因素，以做為建立更深入的研究模型之基礎。 建立一組相互獨立的因素以用於處理共線性(multicollinearity)對某些研究方法所產生的問題（例如：迴歸）。 找出可能的變數集群(clustering)。 10.1　探索性因素分析 3/4 因素分析的性質： 因素彼此間為獨立的，也就是說彼此的相關係數應該很小（接近於0）。 因素的決定並非是唯一的，也就是說不同方法可選出不同的因素。這也是使用因素分析時的一個問題。 使用因素分析時資料不需標準化（也就是說資料不需要有相同的量測尺度）。 10.1　探索性因素分析 4/4 因素的抽取(extraction of factors) 主要為主成分分析法(principal components)及主軸因素法(principal axis factoring)。 因素的旋轉解(rotated solution) 因素負荷量(factor loading) 因素命名 因素分數(factor scores) 10.2　在SPSS中使用探索性因素分析的範例 1/2 在（10.1 quality.sav）資料檔中，衡量問項為： 高鐵車站的動線標示清楚 (X1)。 高鐵車廂乾淨清潔 (X2)。 高鐵服務人員服裝賞心悅目 (X3)。 高鐵服務人員的態度親切 (X4)。 乘坐高鐵非常舒適 (X5)。 10.2　在SPSS中使用探索性因素分析的範例 2/2 程式操作： 1.點選分析／維度縮減／因子 2.在Factor Analysis 中，將變數選入右邊空格中。 3.分別在Descriptives、Extraction（抽取因素）、Rotation（旋轉解）、Scores（因素分數）、Options （其他選項）中作設定。 範例—程式操作 10.3　分析結果 1/4 10.3　分析結果 2/4 其中KMO=0.676，Bartlett’s test Chi-sq=217.649 (Sig.=0.0000.05)，代表資料適合作因素分析。 10.3　分析結果 3/4 在此陡坡圖中，我們可看出下降斜率最快的是component number=2。 10.3　分析結果 4/4 10.4　因素命名及信度分析 1/4 沿用上述之範例： 1.點選分析／尺度／信度分析 2.程式操作 3.分析結果 範例—程式操作 範例—分析結果 10.4　因素命名及信度分析 2/4 10.4　因素命名及信度分析 3/4 10.4　因素命名及信度分析 4/4 有18個變數，分別為： 　 ID=學生代碼　　　 Car ID=車子代碼（依題中順序） X1=exciting X9=fun X2=dependable X10=safe X3=luxurious X11=performance X4=outdoorsy X12=family X5=powerful X13=versatile X6=stylish X14=sporty X7=comfortable X15=status X8=rugged X11=practical　 範例一—程式操作 範例一—分析結果1 範例一—分析結果2 範例一—分析結果3 範例一—分析結果4 * * Y1 X1 e1 eN e3 e2 YK ： ： ： ： X2 X3 XN ： ： 成份矩陣 成份分數共變數矩陣 轉軸後的成份矩陣 可靠性統計量 範例1： 303位MBA學生對10種汽車做出他們的喜好與評價。這10種汽車依序為BMW 328i、Ford Explorer、Infiniti J30、Jeep Grand Cherokee、Lexus ES300、Chrysler Town and County、Mercedes-Benz C280、Saab 9000、Porsche 911及Volvo V90（依序