《表1 因子载荷矩阵：高职创业教育课程学习体验量表的编制及应用》

  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

《高职创业教育课程学习体验量表的编制及应用》

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

首先，对量表进行探索性因素分析的适当性考察，得到KMO值为0.980，Bartlett球形检验结果χ2=28963.080，(p<0.001），表明该量表适合进行探索性因素分析。其次，通过主成分分析法进行因素抽取得到初始负荷矩阵，特征值大于1的因素共有7个，解释总变异的85.369%。观察碎石图发现，前4个因素的特征值有明显陡降趋势，故采用“直接指定因子数”法提取前4个因子进行主成分分析，其累计方差贡献率为81.322%，表明4因子能较好解释总体。最后进行题项纯化，纯化的标准是删除旋转后因子负荷值小于0.4或者同时在两个及两个以上因子上有载荷且载荷之间的差值小于0.2的项目[18]，并对在意义上明显存在差异的项目进行微调，初始因子载荷矩阵经过3次迭代后得到旋转后因子载荷矩阵，结果符合理论框架与统计学要求，最终剔除项目共5个，对剩余47个项目再次进行因素分析，发现4个因子的特征值均大于1，可解释的方差累积贡献率为81.333%，进行promax旋转，旋转后的各项目负荷均在0.439以上，表明因子分析效果很好，见表1。