N 365 365 365 365 365 365 365

**。 在 。01 水平（双侧）上显著相关。

*。 在 0。05 水平（双侧）上显著相关。

表2KMO 和 Bartlett 的检验

取样足够度的 Kaiser-Meyer-Olkin 度量。 。799

Bartlett 的球形度检验 近似卡方 2976。350

根据检验结果我们可知,多数的相关系数都较高,各变量间呈较强的线性关系,故能提取公共因子,适合进行因子分析。巴特利特球度检验统计量的观测值为2976。35,相应的概率P-值接近0。设显著性水平α=0。05,由于概率P-值小于显著性水平α,则应拒绝原假设,即认为相关系数矩阵与单位阵有显著差异。同时,KMO值为0。799,根据Kaiser给出的KMO度量标准可知原有变量适合进行因子分析。

2。3原始数据分析

首先对数据进行尝试性分析。根据原有变量的相关系数矩阵,计算其特征值与累计贡献率,确定提取的因子个数。根据SPSS数据分析结果可知：按照特征根大于1的原则,选入了2个公共因子,其累计方差贡献率为82。050%,提取的因子包含了原有变量中的大部分信息。结果如表3所示。来*自~优|尔^论:文+网www.youerw.com +QQ752018766*

表3

解释的总方差

成份 初始特征值 提取平方和载入 旋转平方和载入

合计 方差的 % 累积 % 合计 方差的 % 累积 % 合计 方差的 % 累积 %

1 4。650 66。435 66。435 4。650 66。435 66。435 4。649 66。415 66。415

2 1。093 15。615 82。050 1。093 15。615 82。050 1。094 15。635 82。050

3 。659 9。416 91。466

4 。296 4。230 95。696

5 。201 2。868 98。564

6 。085