相关矩阵与因子分析

5.4.1　相关矩阵与因子分析

因子分析是依据变量间的相关性，进行因子分析之前，首先需要检验变量间的相关性。只有相关性较高，才适合于进行因子分析。因此这里首先对共词频次矩阵的相关性分析进行分析，然后用因子分析法分析58个关键词的类别关系。

1.相关分析原理

相关分析是研究变量间密切程度的一种统计方法，它分析研究两个变量间线性关系的程度，适用于两个变量间对应关系不具有唯一性，其中度量的重要指标是相关系数，相关系数描述变量间线性关系的程度和方向。

相关分析的原理是通过相关系数零假设检验达到分析目的。检验的零假设是：总体中两个变量间的相关系数为0。也就是说，首先假设变量间无相关关系，通过拒绝或接受零假设来判断变量间的相关关系。

SPSS的相关分析有三种分析方法：Pearson，Spearman和Kendall's tau-b。其中Pearson分析法适合比例数据或满足正态分布的等间隔数据，属于简单的参数相关分析；Spearman和Kendall's tau-b分析法则适合有序数据或不满足正态分布条件的等间隔数据的相关分析，Kendall's tau-b分析法考虑的因素更多，这两种分析法属于非参相关分析。

在本研究中，关键词之间互相联系，存在多种对应关系，因此可用相关分析来分析研究多个关键词之间的相关关系；同时通过上文检验，本研究中共词矩阵的数据是不满足正态分布的离散型有序数据，鉴此，本研究采用Spearman分析法分析58个关键之间的相关关系。

2.相关分析结果探析

通过SPSS13.0的相关操作步骤，得到表5-5分析结果。

表5-5是Spearman相关分析显示结果，表中每个关键词显示三项指标数字：

第一行Correlation Coefficient数字：表示行变量与列变量相关矩阵的相关系数值。行、列变量相同时，其相关系数为1，因此，该矩阵对角线系数均为1，表明关键词与自身的相关系数，均为1。

第二行S(2-tailed)数字：表示相关系数为0的假设检验成立的概率。

第三行N的数字：表示参与该相关系数计算的关键词是58个。

从表中可以看出，根据相关系数的显著性水平，可将关键词之间的相关性分为三个级别：

①强相关性级别：表中标有“﹡﹡”的数字表明行、列相交的关键词之间相关度较高，属于强相关性级别，但相关系数并不高。

②较强相关性级别：表中标有“﹡”的关键词之间相关性较高，但相关系数更小。

③较弱相关性级别：表中没有“﹡”标志的关键词之间相关性较弱，其相关系数更小。

此外表中有些关键词之间相关系数有正负之分，正负号表明关键词之间的相关方向，正相关时正号省略，负相关有负号显示，负相关表明关键词分属不同的类别。

3.相关矩阵的抽取

通过上述共词矩阵的相关性分析，我们抽取出相关分析中的相关系数矩阵，作为进一步分析的依据。根据相关矩阵的结构特点，用相关矩阵进行因子分析，以进一步探讨关键词之间的关系。上述结果抽取的相关矩阵如表5-6。

表5-5　58个英文关键词（Spearman）相关分析（Correlations）表（部分）

续表

表5-6　英文关键词相关矩阵（部分）

4.因子分析结果描述

通过上述的相关性分析，58个关键词之间的相关性总体水平较高，可以做进一步的因子分析。以上面抽取的关键词相关矩阵为基础对58个关键词进行因子分析，该操作过程在SPSS13.0中完成，选取principal components主成分法和平均正交旋转(equamax)方法完成操作。

本研究指定因子负载的绝对值超过0.5的才被接受，超过0.7的则认为对解释该因子有帮助，完成因子分析操作得到分析结果：表5-7、图5-1、表5-8。

图5-1　因子个数碎石图

表5-7　抽取因子旋转前后的总方差解释表（Total Variance Explained）

表5-8　旋转后的因子提取结果（Rotated Component Matrix）

续表

续表

续表

表5-7是关键词相关矩阵的因子分析后得到的公共因子抽取情况表。Component为各主成分的序号，Initial Eigenvalues是协方差矩阵的特征值，这些值是用来确定哪些因子该保留，本研究选取系统默认值，结果表明有10个因子被提取，这10个因子累计方差解释贡献率为86.617%，也就是说，将58个关键词分为10个类别，就可解释知识管理领域86.617%的信息。其中，前三个因子解释的方差比例较高，约分别达到26%、19%和13%，累计方差解释贡献率约58%。

而与因子抽取相配套的因子个数碎石图则直观显示因子分析的前6个因子类别是比较明晰的，这说明因子分析中将知识管理研究划分为6～10类都是合理的。下面将通过表5-8显示的旋转结果，分析因子分析中知识管理的类别关系。

表5-8经过平均正交旋转后，并且规定因子负载超过0.5的因子提取结果，共有10个公共因子被提取：

第一因子包括关键词：performance(绩效)，因子载荷系数为0.88；knowledge management systems(知识管理系统)，因子载荷系数为0.832；product/new product development(产品/新产品开发)，因子载荷系数为0.737；intranets(内部网)，因子载荷系数为0.69；innovations(创新)，因子载荷系数为0.683；technology(技术)，因子载荷系数为0.677，strategy(战略)，因子载荷系数为0.582；tacit knowledge(隐性知识)，因子载荷系数为0.535。

根据因子载荷大于0.7就对因子解释有帮助的原则，该因子中，前三个关键词的因子载荷大于0.7。其中performance(绩效)的因子载荷最高，因此该因子命名为创新绩效，它对方差解释的贡献率为26%。

第二因子包括关键词：organization theory(组织理论)，因子载荷系数为0.814；intellectual capital(智力资本)，因子载荷系数为0.773；tacit knowledge(隐性知识)，因子载荷系数为0.646；organizational structure(组织结构)，因子载荷系数为0.638；organization behavior(组织行为)，因子载荷系数为0.589；models(模型)，因子载荷系数为0.513；management style(管理类型)，因子载荷系数为0.534；project management(项目管理)，因子载荷系数为0.53。

根据因子载荷大于0.7就对因子解释有帮助的原则，该因子中前两个关键词的因子载荷大于0.7。综合分析后，该类因子命名为组织知识管理理论，它对方差解释的贡献率为19.5%。

第三因子包括关键词：electronic commerce(电子商务)，因子载荷系数为0.922；systems design(系统设计)，因子载荷系数为0.843；system development(系统开发)，因子载荷系数为0.784；information systems(信息系统)，因子载荷系数为0.733。

根据因子载荷大于0.7就对因子解释有帮助的原则，该因子中的关键词因子载荷都大于0.7，该因子命名为电子商务系统，它对方差解释的贡献率为13%。

第四因子包括关键词：ontology(本体)，因子载荷系数为－0.67；Databases(数据库)，因子载荷系数为－0.59；Knowledgebased systems(知识系统)，因子载荷系数为－0.56；learning(学习)，因子载荷系数为0.643；Corporate Culture(企业文化)，因子载荷系数为0.642；strategy(战略)，因子载荷系数为0.533。

该类关键词中，前三个关键词的载荷系数为负值，说明这三个关键词与该类中的其他关键词是一种负相关关系，分属不同的关键词类别，这三个关键词是技术类别的关键词，后三个关键词是组织管理领域的关键词，聚合在一起表明两个领域研究的融合性。但该因子的关键词因子载荷的绝对值都没超过0.7，因此需要进行聚类分析进一步判断关键词的稳定情形，这里暂不命名。

第五因子包括关键词：Management theory(管理理论)，因子载荷系数为0.773；management style(管理模式)，因子载荷系数为0.634；quality/total quality(质量/全面质量)，因子载荷系数为0.665；information technology(信息技术)，因子载荷系数为0.574；organizational structure(组织结构)，因子载荷系数为0.516；organization behavior(组织行为)，因子载荷系数为0.535； Corporate Culture(企业文化)，因子载荷系数为0.526，theory(理论)，因子载荷系数为0.508；advantage(优势)，因子载荷系数为0.536。

根据因子载荷大于0.7就对因子解释有帮助的原则，该因子中只有关键词Management theory(管理理论)的因子载荷大于0.7，综合参考其他关键词载荷，该因子命名为企业知识管理理论。

第六因子包括关键词：Information resources management(信息资源管理)，因子载荷系数为0.786；internet(互联网)，因子载荷系数为0.781；information(信息)，因子载荷系数为0.668；management(管理)，因子载荷系数为0.644；knowledge worker(知识工人)，因子载荷系数为0.543。

根据因子载荷大于0.7就对因子解释有帮助的原则，该因子中前两个关键词的因子载荷大于0.7，其中关键词Information resources management(信息资源管理)的因子载荷最高，该类因子命名为信息资源管理。

第七因子包括关键词：intellectual property(知识产权)，因子载荷系数为0.689；information management(信息管理)，因子载荷系数为0.615；competitive advantage(竞争优势)，因子载荷系数为0.58；strategic management(战略管理)，因子载荷系数为0.561；strategic planning(战略规划)，因子载荷系数为0.55；knowledge(知识)，因子载荷系数为0.532；organizational learning(组织学习)，因子载荷系数为0.528；communication(交流)，因子载荷系数为－0.571，负值表明该关键词与该类的其他关键词存在负相关关系，说明它有可能是分布不稳定的关键词。

该因子的关键词因子载荷的绝对值都没超过0.7，而且存在有负相关的关键词，因此需要通过聚类分析来进一步判断关键词分布的稳定性，这里暂不命名。

第八因子包括关键词：software(软件)，因子载荷系数为0.872；artificial intelligence(人工智能)，因子载荷系数为0.868；systems(系统)，因子载荷系数为0.736；decision support systems(决策支持系统)，因子载荷系数为0.622；networks(网络)，因子载荷系数为0.508；expert systems(专家系统)，因子载荷系数为0.5。

根据因子载荷大于0.7就对因子解释有帮助的原则，该因子中有三个关键词的因子载荷大于0.7，该因子命名为人工智能系统。

第九因子包括关键词：human resource management(人力资源管理)，因子载荷系数为0.87；competitive advantage(竞争优势)，因子载荷系数为0.519；performance evaluation(绩效评估)，因子载荷系数为0.609；training(培训)，因子载荷系数为0.588；organizational change(组织变革)，因子载荷系数为0.532。

根据因子载荷大于0.7就对因子解释有帮助的原则，该因子中只有关键词human resource management(人力资源管理)的因子载荷大于0.7，综合考虑其他关键词的属性，因此该因子命名为人力资源管理。

第十因子包括关键词：information sharing(信息共享)，因子载荷系数为－0.873；benchmarks/best practice(标杆管理/最佳实践)，因子载荷系数为0.732；organizational development(组织发展)，因子载荷系数为－0.566；project management(项目管理)，因子载荷系数为－0.558。该类关键词中前三个关键词与关键词benchmarks/best practice存在负相关关系，前三个关键词的技术属性较为明显。该因子中，尽管有关键词的因子载荷及因子载荷绝对值大于0.7，但由于关键词之间的负相关关系无法解释，因此暂不对其命名，需要通过聚类分析结果判断这些关键词分布的稳定性。

综上分析，因子分析的结果可以确定7类国外知识管理研究结构，见表5-9。

表5-9　因子分析确定的国外知识管理研究结构

5.因子分析结果的关键词总体分布特点

因子分析结果中的关键词总体分布有五大特点：

①绝大多数关键词都分布到一个相应的因子中。

②有三个关键词learning organization(学习型组织)，decision making(决策)和information system management(信息系统管理)由于其载荷系数小于0.5而不能够参与分类；

③有8个关键词分别横跨两个因子，表现为它们分别在两类因子中的载荷系数绝对值都超过0.5。其中，因子2(组织知识管理理论)中有5个关键词分别跨越到其他3类因子中，而跨越到因子5(企业知识管理理论)中的关键词高达三个：organizational structure(组织结构)、organization behavior(组织行为)、management style(管理类型)，其他两个关键词tacit knowledge(隐性知识)和project management(项目管理)分别跨越到因子1(创新绩效)和因子10中；因子4中有两个关键词strategy(策略)和corporate culture(企业文化)分别跨越在因子1(创新绩效)和因子5(企业知识管理理论)中；因子7中关键词competitive advantage(竞争优势)跨越到因子9(人力资源管理)中。

④跨因子分布的关键词具有鲜明特点：首先，这些关键词都是具有组织管理属性的关键词；其次，跨越的因子分布主要是因子2(组织知识管理理论)与因子5(企业知识管理理论)，它们之间就有三个相互跨越、交叉的关键词，这种现象说明，组织的知识管理理论和企业的知识管理理论是互相融合和渗透的，组织知识管理是一般意义上泛指的“组织”，包括企业、学校、医院、科研机构、政府等，其中企业是最重要的一种组织机构，而企业知识管理则主要是针对企业这种特定组织而进行的知识管理，它们之间具有共性也具有个性，因此表现出互相渗透的特点。

⑤具有负相关关键词的因子类别难于用因子载荷作出解释。