Principal component analysis (PCA)

Principal component analysis (PCA) using orthogonal rotation (varimax) was performed to ascertain the underlying structure of the data. The PCA method serves to analyse the structure of the correlations among a large number of variables based on a common set of underlying dimensions and enables the researcher to determine whether a certain set of items do or do not constitute a construct. Instrument validity in the principal component factor analysis was tested utilising varimax rotation with Kaiser normalisation using SPSS statistical software (V15; SPSS, Inc., Chicago, IL). The rotation technique decision was influenced by Hair, Anderson, Tatham, and Black’s (1998) suggestion that an orthogonal rotation should be chosen where the researcher aims to reduce the number of original variables. In essence, oblique rotation was viewed as a less appropriate technique to employ because there is high potential to produce factor solutions with less than obvious meaning and with more cross loadings than when using orthogonal rotation, which in turn makes interpretation difficult. In addition, whilst orthogonal solutions tend to fit the data less well than oblique solutions, we utilized the orthogonal approach primarily because it provides for easier interpretation of the solutions and for replicability in future samples (Kieffer, 1998).

Kết quả (Việt) 1:

Phân tích thành phần chính (PCA) bằng cách sử dụng vuông góc quay (varimax) đã được thực hiện để xác định cấu trúc cơ bản của dữ liệu. Phương pháp PCA phục vụ để phân tích cấu trúc của mối tương quan giữa một số lớn các biến dựa trên một tập hợp phổ biến các kích thước cơ bản và cho phép các nhà nghiên cứu để xác định liệu một tập hợp một số mặt hàng làm hoặc không cấu thành một xây dựng. Tính hợp lệ của công cụ phân tích thành phần chính yếu tố đã được thử nghiệm sử dụng varimax quay với Kaiser normalisation bằng cách sử dụng SPSS thống kê phần mềm (V15; SPSS, Inc, Chicago, IL). Quyết định kỹ thuật quay bị ảnh hưởng bởi tóc, Anderson, Tatham, và đen (1998) gợi ý rằng một quay vòng trực giao nên chọn nơi mà các nhà nghiên cứu nhằm mục đích để giảm số lượng ban đầu biến. Về bản chất, xiên quay được xem như là một kỹ thuật ít thích hợp để sử dụng bởi vì có tiềm năng để sản xuất giải pháp yếu tố với ý nghĩa rõ ràng ít hơn và với thêm lực qua hơn khi sử dụng vuông góc quay, mà lần lượt làm cho giải thích khó khăn. Ngoài ra, trong khi trực giao giải pháp có xu hướng để phù hợp với dữ liệu ít hơn tốt hơn xiên giải pháp, chúng tôi sử dụng phương pháp tiếp cận trực giao chủ yếu bởi vì nó cung cấp cho các giải thích dễ dàng hơn trong những giải pháp và cho replicability trong tương lai mẫu (Kieffer, 1998).

Kết quả (Việt) 2:

Phân tích thành phần chính (PCA) sử dụng luân phiên trực giao (varimax) đã được thực hiện để xác định cấu trúc của dữ liệu. Các phương pháp PCA phục vụ để phân tích cấu trúc của các mối tương quan giữa một số lượng lớn các biến dựa trên một tập hợp chung của các kích thước cơ bản và cho phép các nhà nghiên cứu để xác định xem một tập hợp các mặt hàng làm hoặc không tạo thành một cấu trúc. Giá trị cụ trong phân tích nhân tố thành phần chính đã được thử nghiệm sử dụng luân phiên varimax với Kaiser bình thường bằng cách sử dụng phần mềm thống kê SPSS (V15; SPSS, Inc., Chicago, IL). Các quyết định kỹ thuật xoay đã bị ảnh hưởng bởi tóc, Anderson, Tatham, và (1998) đề nghị Black rằng một vòng quay trực giao nên được lựa chọn nơi nghiên cứu nhằm mục đích giảm số lượng các biến ban đầu. Về bản chất, luân chuyển xiên đã được xem như là một kỹ thuật ít thích hợp để sử dụng vì có tiềm năng cao để tạo ra các giải pháp yếu tố có ít hơn ý nghĩa rõ ràng và với tải trọng ngang hơn khi sử dụng luân phiên trực giao, do đó làm cho diễn giải khó khăn. Ngoài ra, trong khi các giải pháp trực giao có xu hướng phù hợp với các dữ liệu ít cũng hơn các giải pháp xiên, chúng tôi sử dụng phương pháp trực giao chủ yếu là bởi vì nó cung cấp cho việc giải thích dễ dàng hơn trong những giải pháp và cho nhân rộng trong các mẫu tương lai (Kieffer, 1998).