探索性因子分析

探索性因子分析是一项用来找出探寻预测变量的内在结构与维度的方法，通过因子分析能够将数目众多的预测变量重新排列组合，综合为少数几个核心因子。通过SPSS 17.0对135个样本的22个预测变量数据进行处理，选取绝对值大于0.5的因子负荷，据此，删除计划测量的预测变量“办公自动化系统”。对修改后的21项旅游体验测量项目的样本数据分组再次进行信度效度检验和因子分析，分析结果显示，游客体验测量数据的内部一致性α系数为0.894，KMO值为0.897，Bartlett's球形检验相伴概率接近于0，达到了显著性水平，适合进行因子分析。通过方差最大正交旋转法提取了4个公因子，4个因子的特征值均超过1的标准值，因子的总方差解释率显示共解释了61.931%的信息，高于60%的最低标准。说明了四个因子反映了所包含的变量的大部分信息，内部一致性较高。