对问卷中量表的分析，一般是指通过降维的方式，由多组变量中提取公因子，而提取得到的公因子可以最大程度反应问卷调查的特征。上节我们对量表进行了效度和信度的检验，以及KMO值计算，这节我们讲述如何采用SPSS进行因子分析。
打开数据，选择【分析】→【降维】→【因子分析】
image
在【因子分析】界面，将李克特量表中的20组问卷调查结果导入【变量】栏
image
选择【抽取】，进入【因子分析：抽取】菜单，
方法：【主成分】
输出：勾选‘碎石图’
设置完成后，点击【继续】
image
选择【旋转】，进入【因子分析：旋转】菜单
方法：勾选【最大方差法】
设置完成后，点击【继续】
image
回到【因子分析】界面，点击【确定】，完成因子分析。
在【输出文档】中，查看分析结果
image
【公因子方差】提取方法为主成分分析，在提取公因子的过程中，各个变量被提取信息的比例，大部分变量提取的信息比例都在50%以上。
image
【碎石图】横坐标为成分数，纵坐标为特征值，一般的碎石图会在特征值小于1后会有一条十分平滑的曲线。这里选取特征值大于1的成分数，一共获得6组公因子。
image
【解释的总方差】 这个是因子分析中最重要的结果之一。前6行是分析提取的公因子，大体上分为3列，【初始特征值】、【提取平方和载入】、【旋转平方和载入】以及【旋转平方和载入】。
我们以【旋转平方和载入】列为例来理解该表格，6个公因子依据其特征值大小，以及百分比排序，其中第一个公因子特征值为2.336，对总问卷数据的解释占比11.682%；第二个公因子特征值为2.028，对总问卷数据的解释占比10.14%；同样地可以解释其他公因子，最后累计55.518%是指6个因子总共获得了所有问卷数据55.518%的信息，还有部分信息不能反映。55.518%是一个较低的占比，而占比在70%以上的因子分析会比较可行，这时的碎石图以及接下来的【成分矩阵】结果也都会比较漂亮。
image
【成分矩阵】 原始的成分矩阵，反映6个公因子都由哪些变量贡献。行头是6个公因子，列名是20个变量，矩阵中的数据是各个变量对6个公因子的贡献。
image
【旋转成分矩阵】是指通过正交旋转后，提取得到的公因子。
因子1（红色箭头）主要贡献的变量是增长知识和丰富阅历，对新事物的好气，探索和体验羌族文化，获得旅游经历，形式羌族方式绚丽多姿等，反映的是游客自身的体验，属于旅游主观因素；
因子2（蓝色箭头）主要贡献变量有可购买特色纪念品，可参与游乐和民俗活动，具有文化底蕴和羌族建筑，原始的羌族歌曲独树一帜，反映的是游客对当地特色以及羌族文化的一种爱好，为游客来当地旅游的拉力因素；
因子3（橙色箭头）主要贡献的变量有享受新鲜空气，环节工作压力、调节心情，反映游客从自身利益出发，属于旅游主观因素。
通过以上问卷分析结果，我们大致可以找到6种游客旅游的关键因素，或可通过以上6点为切入，引导更多游客前来旅游消费。（微信后台回复“问卷数据分析”，可获得数据下载链接）
网友评论