《表2 探索性因子分析结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《遗产价值判识对社区态度及参与的影响机理分析——基于杨柳青古镇513位居民的问卷调查》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:VR=遗产价值判识；AHC=遗产保护意识；HRB=遗产相关行为；PA=地方依恋；ATC=文化态度；EBH=经济获益感知；NBH=非经济获益感知。

探索性因子分析（EFA）的目的在于将观测变量综合为若干核心因子，以揭示数据的本质结构，判断结构模型中的预设潜变量数目是否合理，以及观测变量与潜变量的匹配情况。首先对样本进行Bartelett球形检验与KMO测度检验，KMO值越接近1，表示变量相关性越强，因子分析越有效。结果显示Bartelett球形检验显著，KMO值为0.93，表明非常适合因子分析。进而采取主成分分析法对36个观测变量进行降维处理，根据特征值大于1的原则，总共提取到7个相互独立的主因子（见表2），符合理论预期。7个因子累计方差贡献率超过70!，说明模型能够反映原始数据的绝大部分信息。经过最大方差法旋转后的因子荷载矩阵呈明显的7因子结构，观测变量的因子载荷介于0.666～0.874，且均只在其指定潜变量上有较大载荷，因子单维性得到验证。EFA检验结果表明预设潜变量具有良好的代表性和区分度。