Data Analysis and Interpretation Fa

Data Analysis and Interpretation
Factor analysis
The Questionnaire in this research consists of information collected on 23
variables, which the customers find important while visiting a fast food restaurant.
Factor analysis is used for reducing the number of variables by clubbing them into
some factors which are highly correlated. These factors represent the variables which
have similar effect on the criterion variable.
Correlation matrix
The correlation matrix gives the initial understanding of the variables that
whether any correlation exists between the variables or not. The higher the correlation;
higher is the association between the variables. In our analysis, the correlation
obtained was higher and found significant. This indicates the higher probability of
multicolinearity and thus we can go further to perform factor analysis.
KMO and Bartlett's test
The Bartlett’s sphericity test is the statistical way to analyze the correlation
matrix in which the null hypothesis states that the determinant of the correlation
matrix is 1 i.e. the matrix is an identity matrix. In identity matrix the diagonal
elements are unity and rest all are 0 which implies that the variables are unrelated.
The significance level gives the results of the test, a very small value indicates that
there are significant relationships between our variables and thus the null hypothesis
is rejected. Hence, a value of .000 indicates that there are significant relationships
among variables. Moreover the value of the KMO is 0.901 which is greater .5
signifies that the data which we have collected is relevant for the research. Thus we
can proceed further with the factor analysis.
Eigen values/ total variance explained
The Eigen value gives the amount of variance in the observed variables
accounted for by each component or factor. Only those factors were selected which

Kết quả (Việt) 1:

Dữ liệu phân tích và giải thích Yếu tố phân tích Các câu hỏi trong nghiên cứu này bao gồm thông tin được thu thập trên 23 biến, mà khách hàng tìm thấy quan trọng khi đến thăm một nhà hàng thức ăn nhanh. Yếu tố phân tích được sử dụng để giảm thiểu số lượng các biến bởi clubbing chúng vào một số yếu tố mà rất tương quan. Những yếu tố này đại diện cho các biến mà có tác dụng tương tự như trên tiêu chí biến. Ma trận tương quan Ma trận tương quan cung cấp cho sự hiểu biết ban đầu của các biến mà cho dù bất kỳ mối tương quan tồn tại giữa các biến hay không. Cao hơn các mối tương quan; cao hơn là sự liên kết giữa các biến. Trong phân tích của chúng tôi, các mối tương quan thu được cao hơn và tìm thấy quan trọng. Điều này cho thấy xác suất cao của multicolinearity và do đó chúng tôi có thể đi xa hơn để thực hiện các yếu tố phân tích. Kiểm tra KMO và của Bartlett Bartlett của độ thử nghiệm là cách thống kê để phân tích các mối tương quan ma trận trong đó giả thuyết null nói rằng quyết định của các mối tương quan ma trận là 1 ví dụ ma trận là một ma trận danh tính. Trong danh tính ma trận đường chéo yếu tố là sự thống nhất và phần còn lại tất cả là 0 mà ngụ ý rằng các biến là không liên quan. Mức độ ý nghĩa cho các kết quả của thử nghiệm, một giá trị rất nhỏ chỉ ra rằng có đáng kể mối quan hệ giữa các biến của chúng tôi và do đó là giả thuyết null bị từ chối. Do đó, một giá trị của.000 cho thấy rằng có những mối quan hệ quan trọng giữa các biến. Hơn nữa giá trị của KMO là 0.901 mà là lớn hơn.5 có nghĩa là dữ liệu mà chúng tôi đã thu thập là có liên quan cho các nghiên cứu. Do đó chúng tôi có thể tiến hành thêm với các yếu tố phân tích. Thiết chế tạo các giá trị Eigen / tất cả phương sai giải thích Giá trị Eigen cho số tiền của phương sai trong các biến quan sát chiếm bởi mỗi thành phần hoặc các yếu tố. Chỉ là những yếu tố đã được lựa chọn đó

Kết quả (Việt) 2:

Phân tích dữ liệu và Giải thích
phân tích nhân tố
Các câu hỏi trong nghiên cứu này bao gồm các thông tin thu thập được trên 23
biến, mà các khách hàng tìm thấy quan trọng khi đến thăm một nhà hàng thức ăn nhanh.
phân tích yếu tố được sử dụng để giảm số lượng các biến của câu lạc chúng vào
một số yếu tố được đánh giá cao tương quan. Những yếu tố đại diện cho các biến đó
có tác dụng tương tự trên các tiêu chí khác nhau.
ma trận tương quan
Ma trận tương quan cung cấp sự hiểu biết ban đầu của các biến mà
cho dù bất kỳ mối quan hệ tồn tại giữa các biến hay không. Các cao hơn các mối tương quan;
cao hơn là sự kết hợp giữa các biến. Trong phân tích của chúng tôi, sự tương quan
thu được cao hơn và tìm thấy ý nghĩa. Điều này cho thấy xác suất cao hơn
multicolinearity và do đó chúng ta có thể đi xa hơn để thực hiện phân tích nhân tố.
KMO và kiểm tra Bartlett của
thử nghiệm cầu thể của Bartlett là cách thống kê để phân tích tương quan
ma trận trong đó giả thuyết cho rằng các yếu tố quyết định của sự tương quan
ma trận là 1 tức là các ma trận là một dạng ma trận. Trong nhận dạng ma trận đường chéo
là yếu tố đoàn kết và nghỉ ngơi tất cả là 0 trong đó hàm ý rằng các biến là không liên quan.
Các mức ý nghĩa cho các kết quả của thử nghiệm, một giá trị rất nhỏ cho thấy
có mối liên hệ đáng kể giữa các biến và do đó giả thuyết của chúng tôi
là từ chối. Do đó, giá trị là 0,000 chỉ ra rằng có những mối quan hệ có ý nghĩa
giữa các biến. Hơn nữa giá trị của KMO là 0,901 là 0,5 lớn hơn
có nghĩa là các dữ liệu mà chúng tôi đã thu thập được liên quan để nghiên cứu. Như vậy chúng ta
có thể tiến xa hơn với việc phân tích nhân tố.
giá trị Eigen / tổng phương sai giải thích
giá trị Eigen cấp là lượng của phương sai trong các biến quan sát được
chiếm bởi mỗi thành phần hoặc yếu tố. Chỉ có những yếu tố đó đã được lựa chọn