(4).「購買意願」量表
步驟1:由原始的量表資料進行因素分析後,由表3-38可看出,KMO值為0.93395702,大於0.8,故可以進行因素分析。以特徵值大於1的個數做為萃取因素個數的準則,「購買意願」量表僅可以萃取1個因素,累積解釋變異量為62.26%。因素的負荷量矩陣如表3-39所示,由表中可以看出,並沒有任何問題的因素負荷量低於0.5,表示這些問題具有收斂效度與區別效度,因此表示本研究量表具有建構效度。但最後必須再觀察這些問題的共同性是否夠高,由表3-40可看出,問題「D3我會因為看見結婚綜合保險廣告宣傳而心動購買本保險」的共同性低於0.5,可加以刪除,刪除問題D3後再進行一次因素分析,進入步驟2。
![48 48](https://blogs.sas.com/content/sastaiwan/files/2020/02/51f3ec7a17d72.jpg)
![49 49](https://blogs.sas.com/content/sastaiwan/files/2020/02/51f3ec93f15ce.jpg)
![50 50](https://blogs.sas.com/content/sastaiwan/files/2020/02/51f3ecbb41a9b.jpg)
步驟2:
刪除問題D3後,由表3-41可以看出購買意願僅萃取出一個因素,轉軸後的兩因素的負荷量矩陣如表3-42所示,由表中可以看出,並沒有任何問題的因素負荷量低於0.5,表示這些問題具有收斂效度與區別效度,因此表示本研究量表具有建構效度。但最後必須再觀察這些問題的共同性是否夠高,由表3-43可看出,所有問題的共同性均高於0.5,因此,就完成了以因素分析來進行建構效度分析的過程。將剩餘的9個問題重新進行總量表的信度分析後,進入步驟3。
![51 51](https://blogs.sas.com/content/sastaiwan/files/2020/02/51f3ecda599d0.jpg)
![52 52](https://blogs.sas.com/content/sastaiwan/files/2020/02/51f3ed0ad931b.jpg)
![53 53](https://blogs.sas.com/content/sastaiwan/files/2020/02/51f3ed451e71a.jpg)
步驟3:
由於表3-44所得之相關係數均大於0.3(或0.4),刪除問題也無法再增加信度,因此「購買意願」量表僅刪除D5問題,Cronbach a係數內在一致性信度為0.9302796。
![54 54](https://blogs.sas.com/content/sastaiwan/files/2020/02/51f3ed5f3707c.jpg)
步驟4:
最後將步驟2與步驟3的最後結果整理如表3-45所示,購買意願量表僅萃取一個因素,合計的累積解釋變異為62.26%。
![55 55](https://blogs.sas.com/content/sastaiwan/files/2020/02/51f3ed7b5c5b4.jpg)
步驟5:計算因素分數矩陣
最後,計算各觀察樣本的兩個因素分數,並建立兩個變數以儲存各觀察樣本的因素分數,以利後續的分析,如表3-46所示:
![57 57](https://blogs.sas.com/content/sastaiwan/files/2020/02/51f3ed966088d.jpg)
![58 58](https://blogs.sas.com/content/sastaiwan/files/2020/02/51f3eda05fe2f.jpg)
Tags