SPSS影响传统电器零售业信息化转型的因素分析(10)
根据模型架构是提到的本论文的设想，本次研究中研究中的问卷20个因子包含4个因素需要先进行信度方面的分析，以此来衡量所需分析的因子的内部一致性程度。表5.1为本次问卷各因子信度值，从表5.1中可以看出，本次问卷调研有4个因子所包含的因素的共同性系数值基本大于 0.6，表示这4个因子有良好的信度，满足因子分析的要求。
6.2 效度分析
所谓效度其实就是如何评价问卷所产生的数据的有效性的标准，如果数据测量的结果与设想要验证的内容越吻合，则其效度越高，也就是一个数据真实性的体现。效度分析一般分为三种，即内容效度、准则效度以及结构效度的分析。 我们所说的SPSS效度分析也就是内容效度的分析，内容效度又名思文上的效度，是测验目标题目对相关因素或结果取样的可用性，从而确定所做的测验取样是否具有代表性。本论文的问卷因素变量很多是来自相关研究资料，并且有些已经被重点采用，假设的因素变量是在查阅了很多影响传统零售企业信息化转型过程中的因素以及影响传统企业转型的因素的基础上，多次并征求了多名导师的老师意见，并与调查的店员、同学等多次修改问卷内容，最终问卷的内容得到一致认可再开始数据的收集。因此，完全可以认为本次问卷具有比较好的内容效度。结构效度一般情况包括收敛效度和判别效度。当同一文度的数据中的所有测量因素都有大于或等于0.5的因子载荷，并且它们的贡献率在50%以上 ，则这些数据的收敛度是可以进行下一步分析的。由表5.2可知本研究所选取的四个变量的累计贡献率为57.982%，符合分析的标准，可以进行下一步因素分析。
6.3 因子分析
在上述对于数据的基本分析以后为了验证在论文开始研究阶段所设定的研究架构与现实分析出的数据因素归类结果是否相同，以及后续论文撰写以及深入探究方法的需要，所以本文利用主成分分析的方法对问卷数据进行SPSS因素分析以修正设想的结果。通常意义上的所说的因子分析其实就是对于因素进行降纬归类，分析它们的内部关联，并为之后的深入研究的结论提供充足的理论依据在开始使用SPSS分析因素矩阵相关关系之前，首先需要检测数据是否真的适合来做因子分析。通常采用两项的测量指标来衡量：KMO以及Bartlett球状测度检验。
KMO的作用是衡量描述变量间关系。一般来说，KMO的值越高（KMO值≈1.0时），表明所选取的相关矩阵中的共同因素越多，目标数据用因子分析十分合适。通常意义上按以下分段来诠释KMO值比较具有普遍性：KMO值≥0.9以上为非常好，0.8≤KMO值≤0.9为比较好，0.7≤KMO值≤0.8为一般，0.6≤KMO值≤0.7为比较差，0.5≤KMO值≤0.6为很差。如果KMO值＜0.5的时候，则表明选择的样本量偏小，无法使用因子分析，那样就需要扩大样本，而本研究处的KMO值为0.640，所以表示适合进行因素分析。
Bartlett球体检验的的目标在于对由数组促成的相关矩阵进行分析比较，判断是否是仅仅是没有关联的矩阵，如果是，则认为分析的因子模型不合适，可以重新选择方法或者扩大数据量以完成目标。在通常情况下，球形检验度越小（如小于0.05）表明原始定义的变量间越有可能存在某种相关联系，如果样本分析出的球形检验度很大（如0.10以上）可能就表明不适宜于SPSS因子分析这一方法。
本研究中，如表5.3所示，Bartlett检验的值为307.926（自由度为290），伴随概率值为0.000<0.01，达到了显著性水平，数据呈球形分布，代表数据形成的矩阵中有相同关联因素存在，适合利用SPSS进行降纬因素分析。
6.4 总结分析
下一篇：上海市农村老人养老方式探究