因子分析中提取公因子的一般原则

二、探索性因子分析

根据吴明隆^［207］(2003)的观点，进行因子分析的题项数不宜太多，如果题项太多，可能导致抽取的因子数目过多，影响研究者对数据结构的判断。同时，在探索性因子分析时，如果已经利用了以往的理论研究成果，量表的层面结构已经大致确定，可以应用分层面的分析方法。因此，考虑到调查问卷题项数目较多，有相当的内容效度，本书决定采用分层面的因子分析方法。从一组测量变量中萃取共同变异的方法有很多种，最基本的方法是主成分分析法(principal component analysis)，其原理是利用变量的线性整合，来简化变量成为几个主成分。另一种方法称为主轴因素法(principalaxis factors)，计算共同变异时的基础不同，借以考量测量误差的问题。由于本书探索性因子分析是为了简化多个变量，计算所有变量共同解释的变异量，从众多题项中找到能够解释数据共同和特殊方差的因子，所以，本书采用主成分分析法来进行探索性因子分析。此外，因子分析中解释因子很重要的一个工具是因子的旋转。一般而言，因子旋转可以分为正交旋转和斜交旋转两类，斜交旋转法允许因素与因素之间具有相关性^［206］(邱皓政，2009)，因此本书采用斜交旋转法来进行探索性因子分析。

在对因子和各个指标的选择过程中，本书综合了各个学者的研究，所采用的准则如下:一是特征值。特征值是因子抽取的标准。只有当因子特征值大于1时，该因子才能够被视为稳定的因子。二是因子载荷。按照经验判断方法，当KMO值大于0．7，各题项的载荷系数均大于±0．50时，可以通过因子分析将同一变量的各测试题项合并为一个因子进行后续分析，而且KMO值愈大，表示变量间的共同因素愈多，愈适合进行因素分析。三是因子中的指标数目。根据多数研究者的实际经验，一个因子所包含的指标数目应该在3个以上^［207］(吴明隆，2003)，否则会由于指标太少无法测出所代表的因子特性，其内容效度会不够严谨。侯杰泰，温忠麟和成子娟^［208］(2004)也认为在探索性研究中，需要保证最后留下的因子中最少有3个题目。因此，如果因子分析得出某个因子所包括的指标少于3个，本书将删除这个因子及相关的指标。

1．主体要素的因子分析

表6－15　主体要素的因子分析

对主体要素相关量表进行处理，6个题项的KMO值为0．817，巴特勒特(Bartlett)球状检验的显著性水平小于0．001，说明适合做因子分析。采用主成分分析法按照特征根大于1的原则通过斜交旋转(Oblique rotation)进行因子分析，结果显示6个题项归为2个因子(见表6－15)，这个因子的累计方差解释率为78．791%，说明量表对所测量的概念具有较高的解释力，提取2个因子是合理的。这两个因子与前文分析一致，因此将其分别界定为:1．产学合作关系;2．心理距离匹配度。

2．载体要素的因子分析

对载体要素相关量表进行处理，3个题项的KMO值为0．723，巴特勒特(Bartlett)球状检验的显著性水平小于0．001，说明适合做因子分析。采用主成分分析法按照特征根大于1的原则通过斜交旋转(Oblique rotation)进行因子分析，结果显示3个题项归为1个因子(见表6－16)，这个因子的累计方差解释率为79．899%，说明量表对所测量的概念具有较高的解释力，提取1个因子:共享网络与平台是合理的。

表6－16　载体要素的因子分析

3．环境要素的因子分析

对环境要素相关量表进行处理，5个题项的KMO值为0．872，巴特勒特(Bartlett)球状检验的显著性水平小于0．001，说明适合做因子分析。采用主成分分析法按照特征根大于1的原则通过斜交旋转(Oblique rotation)进行因子分析，结果显示5个题项归为1个因子(见表6－17)，这个因子的累计方差解释率为86．264%，说明量表对所测量的概念具有较高的解释力，提取1个因子:共享制度、文化与服务环境是合理的。

表6－17　环境要素的因子分析

4．客体要素的因子分析

对客体要素相关量表进行处理，17个题项的KMO值为0．811，巴特勒特(Bartlett)球状检验的显著性水平小于0．001，说明适合做因子分析。采用主成分分析法按照特征根大于1的原则通过斜交旋转(Oblique rotation)进行因子分析，结果显示17个题项归为4个因子(见表6－18)，与前文所做的分析一致，因此将其分别界定为:1．知识匹配及成熟度;2．自有知识选择与溢出;3．知识的整合与共有知识形成;4．共有知识的吸收和应用。这4个因子的累计方差解释率为78．772%，说明量表对所测量的概念具有较高的解释力，提取4个因子是合理的。

表6－18　客体要素的因子分析

(续表6－18)

5．产学合作知识共享绩效量表

表6－19　产学合作知识共享绩效的因子分析

对产学合作知识共享绩效相关量表进行处理，7个题项的KMO值为0．773，巴特勒特(Bartlett)球状检验的显著性水平小于0．001，说明适合做因子分析。采用主成分分析法按照特征根大于1的原则通过斜交旋转(Oblique rotation)进行因子分析，结果显示7个题项归为2个因子(见表6－19)，与前文所做的分析一致，因此将其分别界定为:1．学习绩效;2．系统绩效。这2个因子的累计方差解释率为83．985%，说明量表对所测量的概念具有较高的解释力，提取2个因子是合理的。