主成分分析怎么看因子载荷的高低

1.样本效度检验

通常讲，效度衡量有内容效度和构建效度两个方面。本研究用于测量集群风险自组织在焦点企业网络能力、网络结构和风险鲁棒性的量表有三大类来源：直接使用文献中已有的度量条款、将现有文献中有关理论抽象化转换、自行设计。在量表设计和试调研阶段，作者综合了相关领域专家、科研团队，并实地访谈了企业管理人员和政府相关工作人员后进行修正确定。因此，可以认为本问卷具有较高的内容效度。

本研究中的效度分析主要是对构建效度进行检验，通常认为因子分析是检验此效度的常用方法（吴明隆，2003），若能有效地提取共同因子，且此共同因子与理论结构的特质较为接近，则可判断测量工具具有构建效度。在本书的研究中主要采用Bartlett球度检验和KMO值来进行判断，其中KMO值越大代表变量间共同因素越多，越适合因子分析，一般认为当KMO值小于0.7不适合因子分析（马庆国，2002）。下文通过因子分析的主成分分析法分别对焦点企业的网络能力、网络结构、集群风险鲁棒性的衡量指标进行构建效度的检验，结果如下。

（1）集群风险鲁棒性因子分析

对模型中5个度量集群风险鲁棒性的量表进行KMO检验和Bartlett球度检验，结果显示为：KMO＝0.754＞0.7，巴特利球体检验的χ2统计值的显著性概率为0.000，小于0.001，说明数据适合做因子分析。根据特征根大于1原则，通过正交旋转法和最大方差法进行主成分因子提取，共得到1个主因子（集群风险鲁棒性），总体方差的解释力度达到65.183%，与指标设置时变量结构一致，说明本研究集群风险鲁棒性的指标设置具备构建效度，各因子对应的因子负载表见表5-8。

表5-8　集群风险鲁棒性因子分析结果

（2）焦点企业网络能力因子分析

对焦点企业网络能力的分析中，本书一共设计了11个问项进行测度，首先进行KMO检验和巴特利球体检验，结果分别为：KMO＝0.810＞0.7，巴特利球体检验的χ2统计值的显著性概率为0.000，小于0.001，说明数据满足做因子分析的基本条件。根据特征根大于1原则，通过正交旋转法和最大方差法进行主成分因子提取，共得到2个因子，总体方差的解释力度达到72.605%，与指标设置时变量结构一致，说明本研究焦点企业网络能力的指标设置具备构建效度，各因子对应的因子负载表见表5-9。

表5-9　焦点企业网络能力因子分析结果

（3）网络结构的因子分析

对集群网络结构的分析中，本书一共设计了7个问项进行测度，首先进行KMO检验和巴特利球体检验，结果分别为：KMO＝0.819＞0.7，巴特利球体检验的χ2统计值的显著性概率为0.000，小于0.001，说明数据满足做因子分析的基本条件。根据特征根大于1原则，通过正交旋转法和最大方差法进行主成分因子提取，共得到2个因子，总体方差的解释力度达到67.776%，与指标设置时变量结构一致，说明本研究网络结构的指标设置具备构建效度，各因子对应的因子负载表见表5-10。

表5-10　网络结构因子分析结果

其中指标NQ9“本地企业基本上对我们企业的产品和技术都有了解”不能纳入因子2中，也不适合纳入因子1中，表明该问项在设计之初的构念就有问题，“本地企业基本上对我们企业的产品和技术都有了解”并不适合用来测量关系适应性。经过对被调研者的后续访谈，及作者与相关专家讨论的结果分析，发现可能是这个问项中企业核心技术属于企业竞争优势的来源，一般企业对自己的核心技术都会保密，并不能为其他企业所了解，所以该问项效果较差，本书将其删去。因此，作者对测量模型进行调整，将此变量从模型中剔除，从而量表对关系适应性的变量由3个指标构成（即NQ6、NQ7、NQ8）。

2.样本信度检验

信度是指测量的可靠程度。信度的高低，反映在测量工具的异质性或稳定性等特征上。量表的信度分析包括内在信度分析和外在信度分析。本书采用内部信度一致性来测量变量，在内部信度测量中通常采用Cronbach’sα系数来判断同一概念各项目间的异质性，李怀祖（2004）认为α超过0.70，则表明样本数据的信度通过检验，介于0.70～0.35之间可以接受，低于0.35的则应该放弃。本研究对所测量变量的信度检验结果如表5-11所示。

表5-11　量表的信度分析

如表5-11所示，在变量测度表中所有的题项对所有的问项（Item-Total）的相关系数都大于0.5，Cronbach’sα系数值都超过了0.7，结果符合Item-Total相关系数大于0.35，Cronbach’sα系数值大于0.7的判断标准，表明本研究设计的量表信度较高，变量之间的内部结构一致性也较高。