因子分析法案例——基于大学生学习满意度的实证研究.docxVIP

因子分析法案例——基于大学生学习满意度的实证研究

因子分析法是多元统计分析中常用的降维技术，其核心逻辑是通过挖掘多个观测变量背后的共性因子（潜在变量），用少数几个互不相关的因子解释原始变量的大部分信息，从而简化数据结构、揭示变量间的内在关联。该方法广泛应用于满意度测评、竞争力分析、风险评估等领域。本文以“大学生学习满意度”为研究主题，通过设计调研指标、收集数据、实施因子分析及结果解读，完整呈现因子分析法的应用流程，为同类研究提供实操参考。

一、案例背景与研究目的

（一）背景介绍

随着高等教育质量提升成为教育改革的核心目标，大学生学习满意度已成为衡量高校教学质量、办学水平的关键指标。某地方本科院校为精准掌握学生对学习体验的真实评价，识别教学管理中的优势与不足，计划开展专项调研。传统的满意度评价多采用简单加权评分法，难以区分不同评价指标的内在关联，也无法定位核心影响维度，因此引入因子分析法，从多维度指标中提取关键影响因子，为改进措施制定提供科学依据。

（二）研究目的

构建大学生学习满意度评价指标体系，收集有效调研数据；

通过因子分析提取影响学习满意度的核心公共因子，简化评价维度；

明确各公共因子的内涵及权重，量化各维度对总体满意度的影响；

基于因子分析结果，为高校提升学习满意度提出针对性建议。

二、因子分析实施步骤

因子分析需遵循“指标设计→数据收集→适用性检验→因子提取→因子旋转→因子命名→综合评分”的标准化流程，本案例具体实施如下：

（一）第一步：构建评价指标体系与设计问卷

结合高校教学管理实际及相关文献研究，从“学习输入、学习过程、学习输出、支撑保障”四个层面设计12个观测变量（评价指标），形成大学生学习满意度调研问卷。问卷采用李克特5点量表计分，“1分=非常不满意，2分=不太满意，3分=一般，4分=比较满意，5分=非常满意”，具体指标如下表所示：

指标层面

观测变量（代码）

指标说明

学习输入

课程设置合理性（X1）

课程内容与专业目标、就业需求的匹配度

学习输入

师资队伍水平（X2）

教师的教学能力、科研水平及责任心

学习输入

教材与教学资源质量（X3）

教材时效性、图书馆及线上资源的充足性

学习过程

课堂教学效果（X4）

教学方法多样性、师生互动及知识传递效率

学习过程

实践教学质量（X5）

实验、实习、实训等实践环节的设计与实施效果

学习过程

学习氛围浓厚度（X6）

班级学习风气、同学互助及学术交流活跃度

学习输出

知识掌握程度（X7）

对专业核心知识、基础理论的掌握效果

学习输出

能力提升效果（X8）

逻辑思维、实践操作、创新能力的提升程度

学习输出

就业竞争力（X9）

所学知识技能对就业、考研的支撑作用

支撑保障

教学设施完善度（X10）

教室、实验室、多媒体等设施的完备性与先进性

支撑保障

教学管理服务（X11）

选课、成绩管理、教学反馈处理的效率与质量

支撑保障

奖助体系合理性（X12）

奖学金、助学金的评选公平性及激励效果

（二）第二步：数据收集与预处理

样本选取：采用分层随机抽样法，选取该校4个工科专业、3个人文专业、2个经管专业的大学生作为调研对象，兼顾不同年级、性别、生源地（城市/农村），确保样本代表性。

问卷发放与回收：共发放问卷800份，回收问卷752份，经筛选剔除无效问卷（如连续10题选同一答案、漏答超过3题）后，得到有效问卷686份，有效回收率为85.8%，符合因子分析“样本量≥观测变量数5倍”的要求（12个变量×5=60份，686份远满足）。

数据预处理：通过SPSS26.0软件对有效数据进行标准化处理（消除不同变量间的量纲影响），同时检验数据是否存在异常值，经箱线图分析发现3个异常值，采用“均值替换法”处理，确保数据质量。

（三）第三步：因子分析适用性检验

因子分析的前提是观测变量间存在较强的相关性，需通过“KMO检验”和“巴特利特球形度检验”验证适用性：

KMO检验：用于检验变量间的偏相关性，取值范围0-1，通常认为KMO≥0.7时适合做因子分析。本案例KMO值为0.823，大于0.7，表明变量间相关性较强，适合进行因子分析。

巴特利特球形度检验：用于检验相关矩阵是否为单位矩阵（若为单位矩阵则变量间无相关性，不适合因子分析）。本案例巴特利特球形度检验统计量为2856.342，显著性水平p0.001，拒绝“相关矩阵为单位矩阵”的原假设，进一步证明数据适合因子分析。

（四）第四步：公共因子提取

采用“主成分分析法”提取公共因子，以“特征值≥1”和“累计方差贡献率≥70%”为因子提取标准，结果如下表所示：

因子编号

特征值

方差贡献率（%）

累计方差贡献率（%）

1

4.256

35.467

35.467

2

2.138

17.817

53.284

3

1.562

13.017

66.30