Confirmatory Factor analysis (CFA)

Confirmatory Factor analysis (CFA) was used
to validate measures of constructs for
developing the measurement. CFA is a more
effective method for assessing unidimensionality
than exploratory factor analysis, coefficient
alpha, and item-to-total correlation. The purpose
is to ensure unidimensionality of the multipleitem
constructs or low item-to-constructs and
to eliminate unreliable items (Bollen, 1989).
Items that loaded on multiple constructs were
deleted from the model prior to testing. The
measures underlying the constructs are given
in Table 1. The measurement model was
analyzed using the SAS program and CALIS
procedure. An adequate fit was achieved for
the measurement model. The chi-square
to df freedom ratio = 1.823, the Bentler’s
Comparative Fit Index (CFI) = 0.9218,
Bentler and Bonett’s Non-normed Fit Index
(NNFI) = 0.9115, all of the t-statistics for the
indicator variables were greater than 2.576,
significant at p < 0.01, and no standard errors
were near zero. The confirmatory factor
analysis resulted in the elimination of a few
individual items (V6 and V7) because of low
factor loadings or high residuals. This result
was not surprising because many of the
survey items had been developed specifically
for the study, and other items had been
adapted from other literature streams.

ผลลัพธ์ (ไทย) 1:

การวิเคราะห์องค์ประกอบเชิงยืนยัน (CFA) ถูกนำมาใช้ในการตรวจสอบ
มาตรการของโครงสร้างสำหรับการพัฒนาวัด
CFA เป็นมากขึ้น
วิธีที่มีประสิทธิภาพสำหรับการประเมิน
unidimensionality กว่าปัจจัยการวิเคราะห์ค่าสัมประสิทธิ์การสอบสวน
อัลฟาและรายการที่จะรวมความสัมพันธ์
จุดประสงค์คือเพื่อให้แน่ใจว่า unidimensionality ของ multipleitem สร้าง
หรือต่ำรายการเพื่อสร้างและ
ที่จะกำจัดรายการที่ไม่น่าเชื่อถือ (Bollen, 1989). รายการ
ที่โหลดในโครงสร้างหลายคน
ลบออกจากรูปแบบก่อนที่จะมีการทดสอบ
มาตรการสร้างพื้นฐานที่จะได้รับ
ในตารางที่ 1 รูปแบบการวัดเป็น
วิเคราะห์โดยใช้โปรแกรม SAS และขั้นตอน calis
พอดีเพียงพอก็ประสบความสำเร็จสำหรับการวัดแบบ

ไคสแควร์อัตราส่วนเสรีภาพ df = 1.823, bentler ของ
ดัชนีพอดีเปรียบเทียบ (CFI) = 0.9218,
bentler และดัชนีพอดี bonett ของที่ไม่ได้เกณฑ์
(nnfi) = 0.9115 ทั้งหมดของ T-สถิติสำหรับตัวแปรที่บ่งชี้
มีมากกว่า 2.576
อย่างมีนัยสำคัญที่ p <0.01 และไม่มี
ข้อผิดพลาดมาตรฐานอยู่ใกล้ศูนย์ การวิเคราะห์องค์ประกอบเชิงยืนยัน
ผลในการกำจัดไม่กี่
แต่ละรายการ (v6 และ v7) เพราะต่ำ
loadings ปัจจัยหรือสิ่งตกค้างสูง
ผลนี้ไม่น่าแปลกใจเพราะหลายรายการสำรวจ
ได้รับการพัฒนาโดยเฉพาะ
สำหรับการศึกษาและรายการอื่น ๆ ที่ได้รับการดัดแปลงมาจาก
ลำธารวรรณกรรมอื่น ๆ

ผลลัพธ์ (ไทย) 2:

ใช้วิเคราะห์ปัจจัยเสร็จ (CFA)
การตรวจวัดโครงสร้างสำหรับ
พัฒนาวัด CFA เป็นอื่น ๆ
วิธีที่มีประสิทธิภาพสำหรับการประเมิน unidimensionality
กว่าการวิเคราะห์ปัจจัยเชิงบุกเบิก สัมประสิทธิ์
อัลฟา และความสัมพันธ์ของสินค้าทั้งหมด วัตถุประสงค์
เพื่อให้แน่ใจ unidimensionality ของ multipleitem
โครงสร้างหรือโครงต่ำสินค้าการสร้าง และ
เพื่อกำจัดสินค้าน่า (Bollen, 1989) .
รายการที่โหลดบนโครงสร้างหลาย
ถูกลบออกจากรุ่นก่อนที่จะทดสอบ ใน
วัดต้นแบบของโครงสร้างได้
ในตารางที่ 1 แบบประเมินมี
วิเคราะห์โดยใช้โปรแกรม SAS และ CALIS
กระบวนการ สำเร็จเหมาะสมเพียงพอสำหรับ
แบบประเมิน ชีสแควร์
อัตราส่วนอิสระ df = 1.823, Bentler ของ
ดัชนีการพอดีเปรียบเทียบ (CFI) = 0.9218,
Bentler และของ Bonett ไม่ใช่ normed พอ Index
(NNFI) = 0.9115 สถิติ t สำหรับทั้งหมด
ตัวบ่งชี้ตัวแปรได้มากกว่า 2.576,
อย่างมีนัยสำคัญที่ p < 0.01 และไม่มีข้อผิดพลาดมาตรฐาน
ถูกใกล้ศูนย์การ ตัวเสร็จ
วิเคราะห์ผลในการกำจัดของกี่
แต่ละรายการ (V6 และ V7) เนื่องจากต่ำ
ปัจจัย loadings หรือค่าคงเหลือที่สูง ผลลัพธ์นี้
ไม่น่าแปลกใจเนื่องจากจำนวนมาก
สำรวจสินค้าได้ถูกพัฒนาขึ้นโดยเฉพาะ
สำหรับการศึกษา และรายการอื่น ๆ เคย
ดัดแปลงจากกระแสวรรณกรรมอื่น ๆ

ผลลัพธ์ (ไทย) 3:

รับรองปัจจัยการวิเคราะห์( CFA )ใช้
ซึ่งจะช่วยในการตรวจสอบมาตรการของการประกอบสร้างสำหรับ
ซึ่งจะช่วยพัฒนาวัด CFA เป็นวิธีการที่มี ประสิทธิภาพ มากขึ้น
ซึ่งจะช่วยในการประเมินตัวเลขตัวอักษรและ

unidimensionality exploratory ยิ่งกว่าการวิเคราะห์ปัจจัยและความสัมพันธ์กันระหว่างรายการแบบรวม วัตถุประสงค์
คือการสร้างความมั่นใจ unidimensionality multipleitem
ซึ่งจะช่วยในการประกอบสร้างหรือต่ำรายการ - -
ตามมาตรฐานการประกอบสร้างและเพื่อขจัดปัญหารายการไม่มี เสถียรภาพ ( bollen 1989 ). N รายการที่โหลดในการประกอบสร้างหลายคน
ซึ่งจะช่วยถูกลบออกจากรุ่นก่อนที่จะทำการทดสอบ
การประกอบสร้างมาตรการที่จะได้รับ
ในตารางที่ 1 การวัดที่เป็นรุ่น
ซึ่งจะช่วยวิเคราะห์โดยใช้โปรแกรม SAS และขั้นตอน calis
ตามมาตรฐาน พอดีกับที่เหมาะสมเป็นความสำเร็จสำหรับรุ่นการวัด
ซึ่งจะช่วยได้ อัตราส่วน Chi - Square
ซึ่งจะช่วยในการ DF อิสระที่= 1.823 bentler ' s
ที่เปรียบเทียบกับดัชนี( CFI )= 0.9218 ,
bentler และ bonett ไม่ normed พอดีกับดัชนี
( nnfi )= 0.9115 ,ทั้งหมดของ T - สถิติที่
สัญลักษณ์แสดงตัวแปรอยู่มากกว่า 2.576 ,
อย่างมีนัยสำคัญที่ P < 0.01 ,และไม่มีมาตรฐานเกิดข้อผิดพลาด
อยู่ใกล้กับศูนย์. รับรองปัจจัย
ซึ่งจะช่วยในการวิเคราะห์ที่ส่งผลให้การกำจัด
ไม่กี่รายการหนึ่งรายการใด( V 6 และ V 7 )เนื่องจากของ loadings ต่ำ
ปัจจัยหรือ residuals สูง
ซึ่งจะช่วยทำให้โรงแรมแห่งนี้เป็นที่น่าแปลกใจไม่ได้เพราะจำนวนของรายการสินค้า
การสำรวจความคิดเห็นที่ได้รับการพัฒนาเป็นพิเศษ
ซึ่งจะช่วยในการศึกษาและรายการอื่นๆได้รับการ
ดัดแปลงมาจากวรรณกรรมสตรีมอื่นๆ