因素分析之前提就是變數之間呈現一定程度的相關性,這要怎麼檢驗? 你可以用巴特雷球型檢定(Bartlett’s sphericity test),這是個卡方檢定,若顯著,就表示變數之間呈現顯著相關,這時候就可以進行因素分析!
還有另外一個指標就是KMO,這個又稱為樣本適切性指標(Measure of Sampling Adequacy),要大於0.9,這表示相當適合做因素分析。 那為什麼不直接看相關係數,而要看上面兩個指標呢? 你們可以想看看,留言在下面喔,我們可以討論!!
0 評論
當一個管理者想要了解行銷活動相關的變數是否會影響店績效,經過整理後,得到了100個行銷活動變數,那要看這些變數對店績效的影響,在處理上就很困難啦! 有沒有什麼方法? 這個時候,我們就可以用因素分析。因素分析其中一個目的就是在構面縮減,一個構面代表一個變數,其實也就是變數縮減。為何可以縮減? 邏輯很簡單,如果這100個變數,管理者仔細看,發現其中有25個變數與產品有關,25個與價格有相關,25個與通路有關,25個與推廣有關,那麼是不是就可以將這100個變數簡化為4個變數。也就是說,之所以可以做簡化是因為變數有共同的根(共同因),共同因就是指譬如推廣這個因素會影響25個與推廣相關的變數(廣告、店內展示、人員銷售、價格促銷、事件等等),換句話說就是,這25個推廣相關變數因為都是反映推廣,所以彼此之間相關程度很高,既然相關程度高,那我就可以簡化! 所以記住,因素分析之所以可以進行資料簡化(構面縮減)就是因為變數之間呈現一定程度的相關性!!!!! 換個角度想,變數之間若有一定程度的相關性,做因素分析才有用,如果現在這100個變數彼此之間無關,那麼你做因素分析後,結果就會是無法縮減,還是100個,因素分析就無意義了!
|
我是誰鬍鬚曾,政大博士,為人和善客氣,看起來呆呆萌萌的,喜歡分享簡單統計知識,熱心幫助有需要的人,做事認真,常常忘記要照顧自己 查文章
十月 2024
類別 |