《表3 三大维度因子的相关性、显著性分析》

  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

《大数据视角下电商企业与客户互动管理的实证分析》

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

利用SPSS软件进行变量检测，观测KMO值和Bartlett值，最终得出变量的显著性和相关性分析。KMO>0.9则表示变量的相关性极高，完全可以作因子分析，反之若KOM<0.6则表示变量的相关性很低，不可以作因子分析。在做Bartlett’s球型检验时，如果X’的显著性概率sig.=0.000<0.01时，则表明变量具有较强的显著性并且可以作为变量因子进行探索性因子分析。由表3可知，KMO（精准营销）=0.76>0.70，KMO（高透明度）=0.72>0.70，Kalser-Meyer-Olkln（个性化服务）=0.72>0.70，三个维度的Bartlett球形检验显著性水平sig无限接近于0小于0.01，表明在此次检验中各变量间相关性较高，同时各变量具有较强的显著性，可以作因子分析。通过分析可以了解到，载荷因子1对信息搜索、隐私泄露和服务水平的影响较大，2号载荷因子的波动对系统质量和公布信息影响效果最明显，载荷因子3对精准推荐、信息精确度和商品质价的影响比较大。