2.2. Statistical AnalysisBased on a

2.2. Statistical Analysis
Based on a total of 27 final quantitative questions including both demographic data and of a
Likert (0–5) scale, a number of relevant indices were extracted using principal component
analysis (PCA) with varimax rotation and a reliability analysis (Cronbach’s α) were
performed in order to test for consistency. The Likert scale scores ranging from ‘0’ (strongly
disagree) to ‘5’ (strongly agree) was developed in order to measure the respondents’ degree
of agreement to the positions asked. PCA is a statistical approach that can be used to analyse
the interrelationships among a large number of variables and to explain these variables in
terms of their common underlying dimensions (factors). The statistical approach involved
finding a way of condensing the information contained in a number of original variables into
a smaller set of dimensions (factors) with a minimum loss of information [14]. We used PCA
to analyse our questionnaire and focus on the extraction of factors and assessment of their
composite role in our analysis.

ผลลัพธ์ (ไทย) 1:

2.2 การวิเคราะห์ทางสถิติ
ตามทั้งหมด 27 คำถามเชิงปริมาณรอบสุดท้ายรวมทั้งข้อมูลส่วนบุคคลและของ
Likert (0-5) ขนาดจำนวนของดัชนีที่เกี่ยวข้องถูกสกัดโดยใช้องค์ประกอบหลัก
วิเคราะห์ (PCA) ที่มีการหมุน varimax และการวิเคราะห์ความน่าเชื่อถือ (αของครอนบาค) มี
ดำเนินการในการที่จะทดสอบเพื่อความมั่นคง คะแนนมาตราส่วนตั้งแต่ '0 '(ขอ
ไม่เห็นด้วย) เพื่อ '5 '(เห็นด้วยอย่างยิ่ง) ได้รับการพัฒนาเพื่อที่จะวัดผู้ตอบแบบสอบถาม'
ระดับของข้อตกลงที่จะถามตำแหน่ง PCA เป็นวิธีการทางสถิติที่สามารถนำมาใช้ในการวิเคราะห์
ความสัมพันธ์ในหมู่จำนวนมากของตัวแปรและจะอธิบายตัวแปรเหล่านี้ในแง่ของ
ขนาดของพวกเขาร่วมกันพื้นฐาน (ปัจจัย) วิธีการทางสถิติที่เกี่ยวข้อง
การหาวิธีการควบแน่นข้อมูลที่มีอยู่ในจำนวนของตัวแปรเดิมเป็น
ชุดเล็กของมิติ (ปัจจัย) ที่มีการสูญเสียน้อยที่สุดของข้อมูลที่ [14] เราใช้ PCA
การวิเคราะห์แบบสอบถามของเราและมุ่งเน้นไปที่การสกัดของปัจจัยและการประเมินของพวกเขา
บทบาทประกอบในการวิเคราะห์ของเรา

ผลลัพธ์ (ไทย) 2:

2.2 สถิติวิเคราะห์
ตามผลรวม ของ 27 สุดท้ายเชิงปริมาณถามรวมทั้งข้อมูลทางประชากร และการ
สเกล Likert (0–5) ตัวเลขดัชนีที่เกี่ยวข้องถูกสกัดโดยใช้คอมโพเนนต์หลัก
วิเคราะห์ (PCA) หมุน varimax และวิเคราะห์ความน่าเชื่อถือ (ของ Cronbach α) ถูก
ทำเพื่อทดสอบความสอดคล้อง คะแนนสเกล Likert ตั้งแต่ '0' (ขอ
ไม่เห็นด้วย) กับ '5' (เห็นด้วยอย่างยิ่ง) ถูกพัฒนาขึ้นเพื่อวัดระดับผู้ตอบ
ข้อตกลงต้องการถาม PCA เป็นวิธีการทางสถิติที่สามารถใช้วิเคราะห์
interrelationships ระหว่างจำนวนมากตัวแปร และอธิบายตัวแปรเหล่านี้ใน
เงื่อนไขของมิติแบบทั่วไป (ปัจจัย) วิธีการทางสถิติที่เกี่ยวข้องกับ
หาวิธีกลั่นตัวข้อมูลที่อยู่ในตัวแปรเดิมใน
ชุดเล็กขนาด (ปัจจัย) มีการสูญเสียต่ำสุดของข้อมูล [14] เราใช้ PCA
เพื่อวิเคราะห์แบบสอบถามของเรา และมุ่งเน้นการสกัดปัจจัยและการประเมินผลของการ
บทบาทโดยรวมในการวิเคราะห์ของเรา

ผลลัพธ์ (ไทย) 3:

2.2 . การวิเคราะห์ข้อมูลทางสถิติ
ตามจำนวน 27 คำถามในเชิงปริมาณสุดท้ายรวมถึงข้อมูลทางด้านประชากรและทั้งของ
ซึ่งจะช่วยเอดส์( 0-5 0-5 0-5 )ที่หมายเลขของดัชนีที่เกี่ยวข้องก็ถูกดึงมาใช้คอมโพเนนต์หลัก
ซึ่งจะช่วยการวิเคราะห์(( R ) PCA Cellular )พร้อมด้วยการหมุน varimax และการวิเคราะห์ความน่าเชื่อถือ( Cronbach ' s alpha ของกล้อง)เป็น
ซึ่งจะช่วยดำเนินการในการสั่งซื้อเพื่อทดสอบความสอดคล้องกัน คะแนนขนาดเอดส์โดยเริ่มจาก' 0 '(ขอตอบแทน
ไม่เห็นด้วย)ไปที่' 5 '(เห็นด้วยอย่างยิ่ง)ได้รับการพัฒนาขึ้นในการสั่งซื้อเพื่อวัดระดับของผู้ตอบแบบสอบถามที่
ของข้อตกลงในการดำรงตำแหน่งที่ถูกถาม ( R ) PCA Cellular เป็นวิธีการทางสถิติที่สามารถใช้ในการวิเคราะห์ความเกี่ยวเนื่องสัมพันธ์กัน
ซึ่งจะช่วยให้จำนวนขนาดใหญ่ของตัวแปรต่างๆและเพื่ออธิบายถึงตัวแปรนี้
ซึ่งจะช่วยในเรื่องของขนาดพื้นฐานทั่วไป(ปัจจัย) วิธีการทางสถิติที่เกี่ยวข้อง
ตามมาตรฐานการค้นหาของมีการควบแน่น)ข้อมูลที่มีอยู่ในตัวแปรต่างๆลงในตั้งค่า
ที่มีขนาดเล็กกว่าขนาดของ(ปัจจัย)ด้วยการลดการสูญเสียน้อยที่สุดของข้อมูล[ 14 ] เราใช้งาน( R ) PCA Cellular
ซึ่งจะช่วยในการวิเคราะห์การตอบข้อซักถามของเราและมีสมาธิในการขุดเจาะที่ของการประเมินผลและปัจจัยในด้านบทบาท
คอมโพสิตของพวกเขาในการวิเคราะห์ของเรา