Total Variance ExplainedInitial Eigenvalues% of VarianceCumulative 2.38032.38013.63846.01810.95656.9748.76965.7437.93973.6827.07580.7574.18784.9433.79388.7363.32792.0632.44094.5032.16896.6711.65798.3271.14399.470.530100.000Extraction Sums of Squared LoadingsTotal% of VarianceCumulative %4.53332.38032.3801.90913.63846.0181.53410.95656.9741.2288.76965.7431.1117.93973.682Rotation Sums of Squared LoadingsTotal% of VarianceCumulative %3.37324.09024.0901.97014.06838.1581.82613.04451.2021.64611.75962.9621.50110.72073.682Component1234567891011121314Total4.5331.9091.5341.2281.111.991.586.531.466.342.304.232.160.074Extraction Method: Principal Component Analysis.aRotated Component Matrix 培训人员的态度培训人员的专业程度培训人员的主动性培训部门间的配合度培训场地整体布局培训环境整洁卫生培训的整体氛围培训内容难易程度培训任务完成度培训流程培训时间的合理性授课方式培训器械充足情况培训器械性能1-.001.621.173.744.149.252.837.204.025.837.416.402.728.0932-.059-.437.325.118.454.653.318.784.134.242-.117.383.259.046Component3.888-.150.778.271-.366-.067-.176.290-.011.119.187.106.012.1484.220.053-.111.032.237-.002-.050.065.922.201.702.077.360.0145.120.461-.095.111.604.133.077-.025-.009-.006.174.056.097.906Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a. Rotation converged in 7 iterations. 由上表可知，感知质量对应的KMO值为0.575，Bartlett球度检验给出的相
伴概率为0.000<0.05，适合进行主成分分析。可以看出，5个公共因子对总方差的累计解释率为73.682%，14个测量项目能较好地分布在5个潜在的公共因子上，而且，负荷值较高的测量项目分别对应5个潜在的公共因子，说明测量项目结构比较理想，数据质量较高。 5.2.3培训效果指标的效度分析
表5-4 培训效果指标的效度检验结果（N=32）
KMO and Bartlett's TestKaiser-Meyer-Olkin Measure of SamplingAdequacy.Bartlett's Test ofSphericityApprox. Chi-SquaredfSig..59515.2806.018 Total Variance Explained
Component 1 2 3 4 Total 1.863 .965 .713 .459 Initial Eigenvalues % of Variance 56.567 24.122 17.831 11.480 Cumulative % 56.567 70.689 88.520 100.000 Extraction Sums of Squared Loadings Total 1.863 % of Variance 56.567 Cumulative % 56.567 Extraction Method: Principal Component Analysis.
aComponent Matrix工作行为改进程度培训获得技能接受培训后经营情况工作效益提高程度Component1.590.680.629.810Extraction Method: Principal Component Analysis.a. 1 components extracted. 由表5-4可知， KMO值为0.595，在可接受范围内，Bartlett球度检验给出的相伴概率为0.018<0.05，适合做主成分分析。公共因子对总方差的累计解释率为56.567%，大于50%，各项目的因子载荷较高，数据结构比较可靠，效度较好。 5.2.4比较满意度指标的效度分析
表5-5 比较满意度指标的效度检验结果（N=32）
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx. Chi-Square df Sig.
.630 12.217 3 .000
Total Variance ExplainedInitial Eigenvalues% of VarianceCumulative y.11579.11520.885100.000Extraction Sums of Squared LoadingsTotal% of VarianceCumulative %1.58279.11579.115Component12Total1.582.418Extraction Method: Principal Component Analysis. aComponent Matrix与预期相比较满意度与理想相比较满意度Component1.889.889Extraction Method: Principal Component Analysis.a. 1 components extracted. 由上表可知， KMO值为0.630，可以接受，Bartlett球度检验给出的相伴概率为0.000<0.05，适合做主成分析。公因子对总体方差的累计解释率为79.115%，大于50%，各项目的因子载荷较高，数据结构比较可靠，较为理想。
5.3样本信度检验
信度又叫可靠性，是指测验的可信程度，主要检验测量结果和测量工具的稳定性与一致性。信度分析是社会研究中检验问卷的有效分析方法，因此本文接下来将对研究数据进行信度分析以确保问卷所有问项具有高度的可靠性与一致性。
信度可以界定为真实分数的方差与观察分数方差的比例。如果一个因子结构的信度高，表明结构内变量的一致性好，结构稳定。信度检验常用的方法有“再测信度”和“同质信度”两种方法，“再测信度”，即用同一问卷对同一样本在进行第一次调查后，间隔一段时间后再进行第二次调查，求两次调查结果的相关系数，即得“再测信度”。考虑到实施的难度和客观条件限制，本论文舍弃再测信度而采用同质信度来检验问卷的信度。“同质信度”，即问卷项目之间的同质性，或内部一致性，论文主要采用考察量表的内部一致性的Cronbach?系数来进行检验。
（5-1）
?i2为第i个项目观测量的结构内方差，其中：K表示变量结构中项目的总数，
??
2i2为K个变量的方差之和，?T为总方差（所有观测之和的方差）。美国统计
学家海尔（Jeseph F. Hair Jr）、安德森（Jr. Rolph E. Anderson）、泰森（Ronald L.
Tathan）和布莱克（William C. Black）指出：Cronbach?系数大于0.7，以表明数据信度较高；计量尺度中的项目数小于6个时，Cronbach?系数大于0.60，表明数据是可靠的；?系数在0.5以下要重新修改结构，剔除无关变量。
本文应用SPSS13.0统计软件逐个对各因子结构进行信度分析，得出
Cronbach?系数的值，其内部一致性(即信度检验)检验结果如下表（表5-6）所示：
表5-6 用户培训满意度指标的信度检验结果
企业形象 感知质量
Reliability Statistics Cronbach's Alpha .719 N of Items 2 Reliability StatisticsCronbach'sAlpha.829N of Items14 培训效果 用户培训满意度
Reliability StatisticsCronbach'sAlpha.616N of Items4Reliability StatisticsCronbach'sAlpha.689N of Items3 由上表可知，培训效果的Cronbach?系数只有0.616，最低，主要是由于其标识的四个指标中的“行为改进”和“组织绩效”的滞后性，后期调查中，用户对于“自身获得技能”和“工作行为改进程度”比较认可，指标的数值在4左右，而对组织的“经营情况”和“工作效益提高程度”感受不到，数值却普遍偏低，普遍数值都在3甚至以下，所以培训效果变量的Cronbach?系数偏低是可以理解的，但无论如何0.616还是达到了可以接受的程度。
而其他各变量的Cronbach?系数均大于0.60，部分系数超过了0.80，总的来说整个研究变量的内部一致性和稳定性良好，可靠程度可以接受。说明研究变量的相应度量指标之间具有较强的相关性，也就是说本研究的问卷具有较好的信度，可以进行下一步计算。
5.4相关性检验
相关性检验是研究各变量之间密切程度的一种统计分析方法。相关系数即定义为描述两个变量间线性关系程度和方向的统计量。相关系数r没有单位，其值在-1~+1之间。r的绝对值越接近1，则两个变量间的线性相关程度就越大，正负值决定了两变量间变化的方向是否一致。
双变量相关性分析主要有三种分析方法：Pearson分析，积差相关，计算连续变量或等间距测度的变量间的相关分析；Kendall分析，等级相关，计算分类变量之间的秩相关；Spearman分析，等级相关，计算斯皮尔曼相关。为分析变
量间的相关性，我们采用皮尔逊(Pearson)积差相关方法来分析变量两两相关的程度。在前面问卷的效度和信度检验通过的基础上，为了进一步了解潜变量(因变量)与自变量之间的关系，本研究应用SPSS13.0进行相关性分析。
对企业形象的2个指标、感知质量的14个指标、培训效果的4个指标、培训反馈指标、比较满意度与总满意度的3个指标分别求平均值，并赋予其新的变量名称“企业形象”、“培训服务”、“培训内容”、“培训环境”、“培训方式”“培训器械”“行为改进”“组织绩效”“培训反馈”“用户培训满意度”。其两两相关关系如下表（表5-7）。
问卷调查设计--spss
