理论教育 描述性统计分析方法简介

描述性统计分析方法简介

时间:2023-05-26 理论教育 版权反馈
【摘要】:2)探索性因子分析如表4-2所示,大部分量表的KMO值是大于0.700的,表明变量适合进行因子分析,其中启发式信息处理的KMO值为0.658,分析式信息处理的KMO值为0.691,尚可进行因子分析。量表总体KMO值为0.899>0.5,适合进行因子分析。此外,Bartlett的球形度检验显示,近似卡方值=3 644.135,自由度df=325,显著性p值小于0.001,达到显著水平,说明变量间含有共同因素,适合进行探索性因子分析。

描述性统计分析方法简介

1)独立样本T检验

为了检验问卷中除人口统计学问题外其他问题的鉴别度,对其进行独立样本T检验。由于研究对于调查对象的性别及年龄等没有特别要求,所以本研究选取变量总分值较大和较小的数据作为两类变量。计算问卷中第二部分到第七部分中26道题项的总分,将205份问卷数据按照总分值大小进行排序,1类变量为总分值较小的前27%的问卷数据,即前55份问卷数据,2类变量为总分值较大的后27%的问卷数据,即后55份问卷数据,检验上述高低两组数据是否存在显著差异。以题项1为例,根据Levene法检验结果显示,F=16.542,p=0.000小于0.05,达到显著水平,所以两组的方差不相等。当两组的方差不相等时,表中t检验结果为t=-10.241,p=0.000小于0.05,达到显著水平,说明此题项鉴别程度高,不需删除。以此类推,题项2、3、4、5、6、7、8、9、10、11、12、14、18、19、20、23、24、25、26均有较高的鉴别度,应当保留。

而对于题项13,根据Levene法检验结果显示,F=1.25,p=0.266大于0.05,未达到显著水平,所以两组的方差相等。当两组的方差相等时,表中t检验结果为t=-8.877,p值为0.000小于0.05,达到显著水平,说明此题项鉴别程度高,不需删除。以此类推。题项15、16、17、21、22均有较高鉴别度,应当保留。

2)探索性因子分析

如表4-2所示,大部分量表的KMO值是大于0.700的,表明变量适合进行因子分析,其中启发式信息处理的KMO值为0.658,分析式信息处理的KMO值为0.691,尚可进行因子分析。量表总体KMO值为0.899>0.5,适合进行因子分析。此外,Bartlett的球形度检验显示,近似卡方值=3 644.135,自由度df=325,显著性p值小于0.001,达到显著水平,说明变量间含有共同因素,适合进行探索性因子分析。

表4-2 分量表及总量表KMO和Bartlett的检验

(续表)

(www.daowen.com)

如表4-3所示,各分量表中提取的公因子可以较高程度地代表变量信息,解释的变异量均在84.000%以上;对总体量表运用主成分分析法,提取出的共同因素一共可以解释72.303%的变异量,说明代表性良好。调查问卷中总体量表α值为0.931,其中,各研究变量的α值均大于0.700,说明问卷题项的内部一致性良好,信度较好。

表4-3 分量表及总量表解释的总方差与信度分析

3)相关分析

如表4-4所示,各变量的相关系数处于0.1到0.8之间,说明这些变量之间存在较强的相关关系,可以做进一步分析讨论。

表4-4 相关分析结果

注1:*p<0.05,**p<0.01,***p<0.001;N=205;
注2:BA:品牌依恋,BT:品牌信任,BL:品牌忠诚,MWM:移动口碑传播,MST:移动空间临场感,mst:移动社会临场感,HIP:启发式信息处理,AIP:分析式信息处理。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈