8.8 探索性因子分析
由于人力资本投资量表是在成熟量表的基础上根据研究需要再次编制的，因此在进行数据分析前需要进行探索性因子分析（Exploratory Factor Analysis，EFA）。探索性因子分析的前提条件是要求原量表的各个变量之间应该具有较强的相关性，因此进行探索性因子分析之前，本书采用巴特利特球度检验（Bartlett Test of Sphericity）和KMO（Kaiser－Meyer－Olkin）检验来考察该量表是否适合做因子分析。一般认为：当巴特利特球度检验统计量的观测值较大，同时对应的概率p值小于给定的显著性水平时，则表示变量间是具有相关性的，适合作因子分析；反之，则不适合。而KMO检验的通用标准是：KMO值越接近1，则表示变量间的相关程度越高，原有变量适合做因子分析；反之，则不适合做因子分析。Kaiser认为“KMO在0.9以上表示非常适合因子分析，0.8表示适合，0.7表示一般，0.6表示不太适合，0.5以下则极不适合作因子分析”。
本书利用SPSS17.0统计分析软件，先对初始问卷进行了信度分析，结果表明，人力资本投资量表总体信度指标良好（Cronbachα系数为0.908）。巴特利特球度检验统计量为2207.084，相应的概率Sig为0.000，因此可认为各变量之间是存在相关关系的。同时，KMO值为0.805，根据Kaiser给出的KMO度量标准可知原有变量适合作因子分析。
表8.3 人力资本投资量表的KMO和Bartlett检验结果
探索性因子分析过程如下：采用主成分分析法提取因子，利用最大变异数法进行直交转轴来分析各个测量指标，这时取特征值大于1，删除载荷小于0.5，交叉载荷大于0.4的因子，并进一步检验，得到正式问卷中的27个题项。因子分析中共提取了6个因子，解释了总方差的66.082%，且每个因子各自解释的方差不超过30%，其因子载荷矩阵见表8.4。
根据因子分析结果，本书依照各因子包含的条目的具体内容，对因子进行了命名。其中，有6个条目合成了因子1，命名为长期激励，包括股权激励、利润分享等内容；8个条目合成因子2，命名为员工参与和发展，包括授权、上下级共同制定员工的工作计划、岗位轮换、新老员工搭档、能力评估、职业生涯规划等内容；5个条目合成因子3，命名为薪酬福利，包括薪酬、福利和各项补贴等内容；4个条目合成因子4，命名为培训与开发，包括培训时间和费用投入等内容；2个条目合成因子5，命名为教育支持，包括报销获取专业证书费用和继续教育费用；2个条目合成因子6，命名为招聘投入，包括招聘时间和费用投入等内容。
表8.4 人力资本投资量表旋转后的因子载荷矩阵
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
