Fourteen factors were found with an

Fourteen factors were found with an Eigenvalue higher
than 1. The Eigenvalues were 41.934, 4.927, 2.820, 2.251,
1.892, 1.800, 1.566, 1.418, 1.411, 1.310, 1.180, 1.115,
1.073, and 1.010. With parallel analysis a random generated
set of Eigenvalues is compared to the empirically
derived Eigenvalues. Using the syntax provided by Hayton
et al. (2004) 50 random datasets were generated with SPSS
each consisting of 668 persons and 99 variables. Next, all
datasets were subjected to a factor analysis. The Eigenvalues
of the first 14 factors were averaged across these 50
datasets. To determine the number of factors in our dataset,
both plots were compared. The number of extractable
factors is indicated by the point immediately before the
point where both lines cross. The averaged random
Eigenvalues were 1.857, 1.810, 1.773, 1.737, 1.706, 1.678,
1.625, 1.599, 1.577, 1.552, 1.533, 1.508, and 1.490. A
comparison of both lists indicates that the crossing point
lies between factor 6 and 7. Therefore, we may conclude
that six factors probably is the most accurate number to be
extracted from the data.

ผลลัพธ์ (ไทย) 1:

ปัจจัยสิบพบกับ Eigenvalue สูงกว่ากว่า 1 ค่าลักษณะเฉพาะถูก 41.934, 4.927, 2.820, 2.2511.892, 1.800, 1.566, 1.418, 1.411, 1.310, 1.180, 1.1151.073 และ 1.010 กับการวิเคราะห์แบบขนาน การสุ่มสร้างขึ้นมีการเปรียบเทียบชุดของค่าลักษณะเฉพาะเพื่อการเชิงประสบการณ์ค่าลักษณะเฉพาะที่ได้รับ ใช้ไวยากรณ์โดย Haytonสร้างชุดข้อมูลแบบสุ่ม 50 et al. (2004) กับ SPSSแต่ละที่ 668 คนและตัวแปรที่ 99 ถัดไป ทั้งหมดชุดข้อมูลถูกต้องวิเคราะห์ปัจจัย ค่าลักษณะเฉพาะในครั้งแรก 14 ปัจจัยเบนช์ข้าม 50 เหล่านี้ชุดข้อมูล การกำหนดหมายเลขในชุดข้อมูลของเราทั้งผืนถูกเปรียบเทียบ จำนวนเตรียมปัจจัยระบุจุดทันทีก่อนจุดที่เส้นทั้งสองข้าม การเฉลี่ยแบบสุ่มค่าลักษณะเฉพาะได้ 1.857, 1.810, 1.773, 1.737, 1.706, 1.6781.625, 1.599, 1.577, 1.552, 1.533, 1.508 และ 1.490 Aเปรียบเทียบรายการทั้งสองบ่งชี้ว่า การข้ามชี้อยู่ระหว่างปัจจัย 6 และ 7 ดังนั้น เราอาจสรุปหกปัจจัยอาจจะเป็นหมายเลขที่ถูกต้องที่สุดที่จะแยกจากข้อมูล

ผลลัพธ์ (ไทย) 2:

สิบสี่ปัจจัยถูกพบกับ eigenvalue สูง
กว่า 1. ค่าลักษณะเฉพาะเป็น 41.934, 4.927, 2.820, 2.251,
1.892, 1.800, 1.566, 1.418, 1.411, 1.310, 1.180, 1.115,
1.073 และ 1.010 มีการวิเคราะห์แบบขนานที่สร้างแบบสุ่ม
ชุดของค่าลักษณะเฉพาะเมื่อเทียบกับสังเกตุ
ลักษณะเฉพาะที่ได้มา โดยใช้ไวยากรณ์ที่มีให้โดย Hayton
et al, (2004) 50 ชุดข้อมูลแบบสุ่มถูกสร้างขึ้นด้วยโปรแกรม SPSS
แต่ละประกอบด้วย 668 คนและ 99 ตัวแปร ถัดไปทุก
ชุดข้อมูลที่ถูกยัดเยียดให้การวิเคราะห์ปัจจัย ค่าลักษณะเฉพาะ
ของปัจจัยแรก 14 ถูกเฉลี่ยทั่วเหล่านี้ 50
ชุดข้อมูล เพื่อตรวจสอบจำนวนของปัจจัยในชุดของเรา
ทั้งสองแปลงถูกนำมาเปรียบเทียบ จำนวนที่สกัด
ปัจจัยถูกระบุโดยจุดทันทีก่อน
จุดที่ทั้งสองเส้นข้าม เฉลี่ยสุ่ม
ค่าลักษณะเฉพาะเป็น 1.857, 1.810, 1.773, 1.737, 1.706, 1.678,
1.625, 1.599, 1.577, 1.552, 1.533, 1.508 และ 1.490
เปรียบเทียบทั้งสองรายการแสดงให้เห็นว่าจุดข้าม
อยู่ระหว่างปัจจัยที่ 6 และ 7 ดังนั้นเราจึงอาจสรุปได้
ว่าหกปัจจัยอาจจะเป็นจำนวนที่ถูกต้องที่สุดที่จะ
สกัดจากข้อมูล

ผลลัพธ์ (ไทย) 3:

สิบสี่ปัจจัยที่พบที่มีค่าสูงกว่ากว่า 1 มีแบบเป็น 41.934 4.541 2.820 507 , , , ,1.892 1.800 1.566 236 , , , , 1.411 1.310 1.115 1.180 , , , ,1.073 และ 1.010 . ด้วยการวิเคราะห์แบบสุ่มสร้างขึ้นคือชุดของค่าเมื่อเทียบกับเชิงประจักษ์ได้ค่า . การใช้ไวยากรณ์ให้ haytonet al . ( 2004 ) 50 ข้อมูลสุ่มที่ถูกสร้างขึ้นด้วยโปรแกรม SPSSแต่ละประกอบด้วย 668 คน และ 99 ตัว ต่อมาข้อมูลถูกวิเคราะห์ปัจจัย ส่วนค่าของ 14 ปัจจัยแรกเฉลี่ยในเหล่านี้ 50ชุดข้อมูล เพื่อกำหนดจำนวนของปัจจัยใน DataSet ของเราทั้งแปลงถูกเปรียบเทียบ จำนวนของปริมาณปัจจัยที่จะแสดงด้วยจุดทันที ก่อนที่จุดที่ทั้งสองเส้นข้าม จากการสุ่มค่า 1.857 1.810 , คือ , 1.773 1.737 2.019 952 , , , ,1.625 1.599 , 1.577 1.552 1.533 , , , , 1.508 และ 1.490 . เป็นการเปรียบเทียบของทั้งสองรายการ พบว่า จุดที่ข้ามอยู่ระหว่างปัจจัย 6 และ 7 ดังนั้น เราอาจสรุปที่ 6 ปัจจัย อาจเป็นเบอร์ที่ถูกต้องมากที่สุด เป็นสารสกัดจากข้อมูล