For factor analysis, the author use

For factor analysis, the author used eigenvalues to determine number of factors. Eigenvalues represents the amount of variation explained by the factors. Only factors that have eigenvalue of higher than 1 were retained in the model.
The results provided data on eigenvalue analyzed from 25 observed variables. There are 25 factors with calculated eigenvalues corresponding to 25 observed variables. However, there are only 6 factors that have eigenvalue of higher than 1, while the eigenvalue of the remaining factors is lower than 1. Rotation Sums of Squared Loadings hit a high to approximately 66.09%, which means that the use of 6 factor representing 25 observed
variables can explain 66.09% of data variation. In analysis, the Rotation Sums of Squared Loadings” reaching 50% is
acceptable. Hence, we can conclude that six factors can be used to reflect the information provided by 25 observed variables.
Factor analysis is done with extraction method of Principal Component Analysis using Varimax rotation based on such criteria of Communality >= 0,5 and Factor loading >= 0.3. Factures in table Rotated Component Matrix called Factor loadings shall be selected if satisfying the above criteria. On a certain row, observed variable with highest factor loading lies in any column, then observed variable shall belong to factor in that column. After rotation, 25 observed variables all satisfied the criteria for factor loading of higher than 0.5. These observed variables were divided into 6 groups of factor. The specific factor loading of each observed factor is presented in Rotated Component Matrix Table (Table 2).

Kết quả (Việt) 1:

Phân tích nhân tố, tác giả sử dụng tuyến để xác định số lượng các yếu tố. Spectral đại diện cho số lượng biến thể giải thích bởi các yếu tố. Chỉ các yếu tố mà có eigenvalue của cao hơn 1 được giữ lại trong mô hình.Kết quả cung cấp dữ liệu về phân tích từ 25 các biến quan sát eigenvalue. Không có các yếu tố 25 với tính tuyến tương ứng với 25 các biến quan sát. Tuy nhiên, chỉ có 6 các yếu tố có eigenvalue của cao hơn 1, trong khi eigenvalue các yếu tố còn lại là thấp hơn so với 1. Luân chuyển tiền của bình phương khi đạt cao vào khoảng 66.09%, có nghĩa là sử dụng 6 yếu tố đại diện cho 25 quan sátbiến có thể giải thích 66.09% sự biến thiên của dữ liệu. Trong phân tích, việc luân chuyển tiền của Squared khi"đạt 50% làchấp nhận được. Do đó, chúng tôi có thể kết luận rằng sáu yếu tố có thể được sử dụng để phản ánh các thông tin được cung cấp bởi 25 các biến quan sát.Phân tích nhân tố được thực hiện với phương pháp khai thác Principal Component phân tích bằng cách sử dụng Varimax quay dựa trên các tiêu chuẩn của Communality > = 0,5 và Factor loading > = 0,3. Factures trong bảng ma trận xoay thành phần được gọi là yếu tố khi sẽ được chọn nếu đáp ứng các tiêu chí nêu trên. Trên một dòng nhất định, biến quan sát với cao nhất yếu tố tải nằm trong bất kỳ cột nào thì biến quan sát sẽ thuộc về các yếu tố trong cột. Sau khi xoay, 25 quan sát biến tất cả hài lòng tiêu chí cho các yếu tố chất cao hơn 0.5. Những quan sát các biến được chia làm 6 nhóm yếu tố. Tải về các yếu tố cụ thể của mỗi quan sát thấy yếu tố được trình bày trong xoay bảng thành phần ma trận (bảng 2).

Kết quả (Việt) 2:

Đối với phân tích nhân tố, tác giả sử dụng các giá trị riêng để xác định số yếu tố. Giá trị riêng đại diện cho số lượng biến thể giải thích bởi các yếu tố. Chỉ yếu tố có eigenvalue của cao hơn 1 được giữ lại trong mô hình.
Các kết quả được cung cấp dữ liệu về eigenvalue phân tích từ 25 quan sát các biến. Có 25 yếu tố có giá trị riêng tính tương ứng với 25 biến quan sát được. Tuy nhiên, chỉ có 6 yếu tố có eigenvalue của cao hơn 1, trong khi eigenvalue trong những yếu tố còn lại là thấp hơn 1. Khoản Rotation của Squared tải trọng đạt mức cao với khoảng 66,09%, có nghĩa là việc sử dụng của 6 yếu tố đại diện cho 25 quan sát
các biến thể giải thích 66,09% của sự biến đổi dữ liệu. Trong phân tích, Khoản Rotation của Squared tải trọng "đạt 50% là
chấp nhận được. Do đó, chúng ta có thể kết luận rằng sáu yếu tố có thể được sử dụng để phản ánh các thông tin được cung cấp bởi 25 quan sát các biến.
Phân tích nhân tố được thực hiện với phương pháp khai thác các phân tích thành phần chính sử dụng Varimax xoay dựa trên các tiêu chí của tính cộng đồng> = 0,5 và yếu tố nạp> = 0,3. Factures trong bảng xoay Component Matrix tải trọng được gọi là yếu tố được lựa chọn nếu đáp ứng được các tiêu chí trên. Trên hàng nhất định, quan sát biến với tải yếu tố cao nhất nằm trong bất kỳ cột, sau đó quan sát biến thuộc về yếu tố trong cột đó. Sau khi quay, 25 biến quan sát được tất cả các đáp ứng tiêu chí cho các yếu tố tải cao hơn 0,5. Những biến quan sát được chia thành 6 nhóm yếu tố. Việc xếp yếu tố cụ thể của từng yếu tố quan sát được trình bày trong xoay Component Matrix Table (Bảng 2).