探索性因素分析(Exploratory factor analysis, EFA)用在將量表的題項(item)縮減成數個可解釋的構念(construct),通常量表都是用於測量心理特質,例如態度、動機或意向等抽象的概念。EFA在學術領域的使用頻率非常高,幾乎每一個進行量表調查的研究者都必須使用到這個分析。
探索性因素分析(Exploratory factor analysis, EFA)用在將量表的題項(item)縮減成數個可解釋的構念(construct),通常量表都是用於測量心理特質,例如態度、動機或意向等抽象的概念。EFA在學術領域的使用頻率非常高,幾乎每一個進行量表調查的研究者都必須使用到這個分析。
之前我們介紹了三種較常用的相關分析,分別為皮爾森積差相關(Pearson product-moment correlation)、史皮爾曼等級相關(Spearman rank order correlation)與點二系列相關(Point-biserial correlation),但這些分析僅適用變項X對Y為一對一的相關分析,我們稱為簡單相關。當X與Y變項皆不只為一個變項時,我們可改用典型相關分析來求出X與Y的線性相關,我們稱為多元相關。
最近去參加了聯合通商公司(和碩集團子公司)舉辦的產品說明會,想要了解一下如何在商業領域應用統計分析來協助決策,說明會的地點舉辦在遠東國際飯店的洛北園,場地十分高雅,大約可以坐50人,當天也是坐的滿滿滿,看來的確有許多商業人士對這一塊有興趣。
統計分析方式百百種,搞得大家頭很痛,為了減輕初學者的頭痛症狀,在這邊作了點整理,讓初學者可以清楚的知道哪些統計方式最常用,以及從哪些統計分析方法先下手去學習最有效益。為了了解這個問題,我先從碩博士論文網隨機的抓取一些量化研究的論文,並且一篇一篇記錄下他們用了哪些統計分析的方法,由於不同領域的論文常用的統計方法也會不一樣,所以分了三大類來搜尋,分別是社會科學與教育類、醫學護理類、管理類,每一大類搜尋20~30篇論文,然後將這些論文使用到的統計方式整理且繪圖如下面:
一般而言,無論我們用CARDS或是INFILE來建立資料集,所建立的Data都將先暫存到目錄底下WORK的資料館裡(如下圖),因此我們可以到此資料館裡,將此Data另存成SAS的資料檔(副檔名為sas7bdat),可是如果要一直手動來執行上述的步驟似乎有點麻煩。
事實上調節變項在迴歸分析的作法並不複雜,承上例以性別為調節變項的例子,迴歸方程式就如下這樣:
減肥行為 = 截距項 + a × 減肥知識 + b × 性別 + c × (性別×減肥知識) + 殘差
網路發達之下,網路購物日日夯,不出門就可以逛街誰不愛?我每每上YAHOO超級商城就發現有好多的賣家在賣各式各樣的商品,看的我眼花撩亂,讓我不禁非常好奇,YAHOO是怎麼樣來管理那麼多的商家?如果沒有管理那鐵定是亂成一團,購物糾紛滿天飛才是。