Factor analysis with principal comp

Factor analysis with principal components extraction was used to reduce the number of
variables to a set of independent factors. The “varimax” rotation method was used in the
principal component analysis to ensure that the factors are orthogonal to each other, thus
making them suitable for use in logistic regression. The suitability of the data for factor
analysis was assessed and two variables (“boring people” and “prestige”) were identified
with loadings of more than 0.40 for at least two components denoting that each has a
complex structure. Consequently, these two variables were omitted in the reported
factor analysis shown in Table III (Field, 2009). In addition, a cut off score of 0.46 was
employed to ensure that only variables that significantly loaded into a component
were included in the factor analysis. As a result, the variable “no satisfaction” was
removed and a principal component analysis was run with 12 of the 15 original
variables.

ผลลัพธ์ (ไทย) 1:

วิเคราะห์ปัจจัยที่ มีส่วนประกอบสำคัญสกัดถูกใช้เพื่อลดจำนวนตัวแปรอิสระปัจจัยชุด วิธีการหมุน "varimax" ถูกใช้ในการวิเคราะห์ส่วนประกอบหลักเพื่อให้แน่ใจว่า ปัจจัยที่เป็น orthogonal กัน ดังนั้นทำให้เหมาะสำหรับใช้ในการถดถอยโลจิสติก ความเหมาะสมของข้อมูลปัจจัยมีประเมินวิเคราะห์ และระบุตัวแปรที่สอง ("น่าเบื่อคน" และ "ศักดิ์ศรี")กับ loadings มากกว่า 0.40 สำหรับส่วนที่สองกำหนดเรียกค่าว่า มีการโครงสร้างซับซ้อน ดัง ตัวแปรทั้งสองนี้ถูกละเว้นในการรายงานวิเคราะห์ปัจจัยที่แสดงในตาราง III (ฟิลด์ 2009) นอกจากนี้ ถูกตัดออกคะแนน 0.46จ้างเพื่อให้แน่ใจว่าเฉพาะตัวแปรที่โหลดมากเป็นส่วนประกอบถูกรวมในการวิเคราะห์ปัจจัย ส่งผล มีตัวแปร "ไม่พอ"เอาออก และรันการวิเคราะห์ส่วนประกอบหลัก มี 12 15 ฉบับตัวแปร

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ปัจจัยที่มีการสกัดองค์ประกอบหลักถูกใช้ในการลดจำนวนของ
ตัวแปรชุดของปัจจัยที่เป็นอิสระ "แวริแมกซ์" วิธีการหมุนที่ใช้ใน
การวิเคราะห์องค์ประกอบหลักเพื่อให้แน่ใจว่าปัจจัยที่จะตั้งฉากกับแต่ละอื่น ๆ จึง
ทำให้พวกเขาเหมาะสำหรับใช้ในการถดถอยโลจิสติก ความเหมาะสมของข้อมูลสำหรับปัจจัย
การวิเคราะห์ได้รับการประเมินและสองตัวแปร ("คนที่น่าเบื่อ" และ "ศักดิ์ศรี") ถูกระบุ
ด้วยแรงกว่า 0.40 เป็นเวลาอย่างน้อยสองส่วนแสดงถึงว่าแต่ละคนมี
โครงสร้างที่ซับซ้อน ดังนั้นทั้งสองตัวแปรที่ถูกมองข้ามในรายงาน
การวิเคราะห์ปัจจัยที่แสดงในตารางที่ III (สนาม 2009) นอกจากนี้การตัดคะแนน 0.46 ได้รับการ
จ้างงานเพื่อให้แน่ใจว่าตัวแปรเดียวที่เต็มไปอย่างมีนัยสำคัญเป็นองค์ประกอบที่
ถูกรวมอยู่ในการวิเคราะห์ปัจจัย เป็นผลให้ตัวแปร "ไม่พอใจ" ถูก
ถอดออกและการวิเคราะห์องค์ประกอบหลักคือการทำงานกับ 12 จาก 15 เดิม
ตัวแปร

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์ปัจจัยที่มีผลต่อการสกัดส่วนประกอบหลักที่ใช้ในการลดจำนวนของ
ตัวแปรชุดของปัจจัยอิสระ " ตัวประกอบ " วิธีหมุนใช้ใน
การวิเคราะห์องค์ประกอบหลักเพื่อให้แน่ใจว่า ปัจจัยที่จะตั้งฉากกับแต่ละอื่น ๆ ดังนั้น
ทำให้พวกเขาเหมาะสำหรับใช้ใน Logistic Regression ความเหมาะสมของข้อมูลสำหรับปัจจัย
การวิเคราะห์ประเมินและสองตัวแปร ( " เบื่อคน " และ " บารมี " ) ถูกระบุ
กับภาระมากกว่า 0.40 อย่างน้อยสองคอมโพเนนต์ที่แต่ละคนล้วนมี
โครงสร้างที่ซับซ้อน จากนั้น ทั้งสองตัวแปรถูกเว้นไว้ในรายงาน
การวิเคราะห์องค์ประกอบ แสดงดังตารางที่ 3 ( เขต , 2009 ) นอกจากนี้ ตัดข้อได้คะแนน
ที่ใช้เพื่อให้แน่ใจว่ามีเพียงตัวแปรที่โหลดเข้าไปในองค์ประกอบ
ถูกรวมไว้ในการวิเคราะห์ปัจจัย ผลคือ ตัวแปร " ความพึงพอใจ "
ลบออกและการวิเคราะห์องค์ประกอบหลักคือวิ่งกับ 12 ของ 15 เดิม
ตัวแปร