消费者感知量表的探索性因子分析1案例背景本案例数据来源于280份问卷对包含12个题项的量表服务质量4题、品牌信任4题、购买意愿4题进行探索性因子分析。分析过程使用SPSSAU在线数据分析平台完成。探索性因子分析旨在从一组观测变量中提取潜在因子结构通过因子载荷矩阵揭示变量之间的内在关联模式广泛应用于量表构念效度检验、维度结构探索和心理测量工具开发。2分析结果在SPSSAU【进阶方法】模块选择【探索性因子】将变量拖拽至右侧对应分析框选择因子个数操作如下图表1 KMO和Bartlett检验表1显示KMO值为0.8540.8Bartlett球形检验χ²1668.612df66p0.001表明变量间存在较强相关性数据适合进行因子分析。表2方差解释率表2显示因子分析提取了3个因子特征根1旋转前累计方差解释率71.967%旋转后各因子方差解释率分别为24.50%、24.04%和23.43%三个因子方差解释率接近累计仍为71.967%信息保留充分。累计方差解释率超过60%的常用标准说明3个因子较好地概括了12个题项的核心信息。旋转最大方差法的目的是使载荷矩阵结构更加简约便于因子命名与解释旋转不改变总方差解释率但重新分配了各因子的解释比例。表3旋转后因子载荷系数表3报告了最大方差旋转后的因子载荷系数与共同度。因子1上品牌信任1-4载荷较高0.799~0.859命名为品牌信任因子因子2上购买意愿1-4载荷较高0.747~0.858命名为购买意愿因子因子3上服务质量1-4载荷较高0.777~0.846命名为服务质量因子。各题项在对应因子上的载荷均超过0.7交叉载荷较低因子结构具有良好的简约性与可解释性。各题项共同度在0.631~0.774之间均大于0.4信息提取充分。共同度表示因子对原始变量方差的解释比例共同度越高说明该变量被因子解释的信息越多。表4成份得分系数矩阵表4展示了各题项在因子上的得分系数用于计算因子得分。因子得分是通过回归法将标准化原始变量加权求和得到的可用于后续分析中替代原始变量。表5权重结果表5报告了综合得分系数与权重各题项权重分布在7.88%~8.78%之间较为均衡。权重计算方法为各因子中变量的得分系数乘以该因子的方差解释率占比后归一化反映各题项在综合评价中的相对重要性。权重分布均衡说明各题项对综合得分的贡献相当不存在某一题项主导综合评价的情况。表6样本缺失情况表6显示有效样本280份无缺失。表7相关系数矩阵表7展示了各题项间的相关系数。同一维度内题项间相关性较高r0.53~0.81不同维度间相关性较低r0.13~0.29验证了因子结构的合理性。同一维度内高相关说明题项测量了同一构念不同维度间低相关说明各维度相对独立符合量表的多维结构设计。表8 MSA指标值表8显示整体MSA值为0.854各题项MSA值均大于0.7适合进行因子分析。综合以上分析探索性因子分析成功从12个题项中提取出3个具有明确理论含义的因子因子结构与量表设计的三维构念服务质量、品牌信任、购买意愿完全吻合。各题项在对应因子上的载荷均超过0.7交叉载荷低于0.4说明因子结构具有良好的简约性和区分效度。旋转后各因子的方差解释率接近24.50%、24.04%、23.43%表明三个维度在量表中的重要性相当不存在某一维度主导的情况。累计方差解释率71.967%超过了社会科学研究中60%的常用标准说明3个因子对原始数据的概括能力充分。该结果为量表的结构效度提供了有力证据也为后续的验证性因子分析和路径分析奠定了基础。3可视化结果图1为碎石图展示了各因子特征根的衰减趋势前3个因子特征根大于1第4个因子特征根明显下降验证了提取3个因子的合理性。图2为旋转后载荷图直观展示了各题项在3个因子空间中的载荷分布同一维度的题项聚集在一起三个维度的题项在因子空间中明显分离。结论综上借助SPSSAU在线数据分析平台完成探索性因子分析提取了品牌信任、购买意愿和服务质量3个因子累计方差解释率71.967%因子结构清晰可解释各题项载荷均超过0.7量表具有良好的构念效度。