(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。
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。
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。
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%。
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：
Tags
