发布时间 : 星期四 文章大学生对健身房需求的调研报告 - 图文更新完毕开始阅读
强度检验：Cramer’s V值为0.728，变量体检频繁度对健康状况的了解程度的影响较强。
表3. 9 体检频繁度对健康状况了解程度的影响
fit condition* physical exam 交叉制表 计数 physical exam 空 fit condition 空 一点都不了解 略有了解 较为了解 十分了解 合计 1 0 0 0 0 1 除学校安排外从不主动体检 两年一次 一年一次 半年一次 0 6 56 16 0 78 0 0 1 0 0 1 0 0 8 10 0 18 0 0 0 0 2 2 其他 0 1 2 1 0 4 合计 1 7 67 27 2 104 4、专业指导健身的必要性对健身房健身有效性影响的方差分析
本部分讨论学生认知中专业人员提供针对性健身建议是否有必要与在健身房健身是否能有效地提高身体健康程度间是否存在相关关系，来看一看专业健身教练的作用是否增强健身房在健身活动中有效性的认知度。
表3.10为自变量专业人员指导必要性的主体间因子分部情况。
表3. 10 主体间因子
Between-Subjects Factors profession 0 1 2 3 4 Value Label 空 没有必要 可有可无 很有必要 说不清 N 3 14 45 34 7 我们以健身房的有效性为因变量，专业指导的必要性为自变量进行单因子方差分析，结果如表3.11所示。在这个输出中，专业指导（profession）的F检验统计量取值为1.811，自由度为profession和error的自由度：4、98，表明该因子不显著，同时，拟合优度R2?0.069说明该模型中自变量对因变量的解释程度很小，即专业指导提升健身房在健身中有效性没有显著性影响。
14
表3. 11 单因子方差分析：专业指导对健身房有效性的作用
Tests of Between-Subjects Effects Dependent Variable:validity Type III Sum of Source Corrected Model Intercept profession Error Total Corrected Total Squares 5.322 95.795 5.322 72.018 329.000 77.340 a df 4 1 4 98 Mean Square 1.331 95.795 1.331 F 1.811 130.357 1.811 Sig. .133 .000 .133 .735 103 102 a. R Squared = .069 (Adjusted R Squared = .031) （四）因子分析
本部分我们测试了在选择健身房时那些因素会产生影响，我们设置了8个变量，分别是地理位置、环境气氛、教练的专业水平、设施配置、课程设置、会费、服务态度、会员素质，对这8个感知变量我们采用了十级定距尺度进行了度量，下面我们将对这8个感知变量进行因子分析，从中总结出影响选择的几个标准类，以提升这方面的水平来树立良好形象。
1、数据诊断
我们首先需要建立8个变量的反应象相关矩阵，如表3.12。该矩阵的正对角线上的数值为每个变量的MSA值，当MSA值小于0.5时表明该变量与其他变量间相关性较弱，不适合进行因子分析，需要剔除。
表3. 12 8个变量的反应象相关矩阵
地理位置 环境气氛 教练专业水平 设施配置 课程设置 .446 -.863 .368 -.318 -.081 .441 -.371 -.084 a会费 .441 -.297 -.102 -.013 .146 .562 -.879 .033 a服务态度 会员素质 -.371 .210 .254 -.164 -.136 -.879 .558 -.378 aAnti-image 地理位置 Correlation 环境气氛 教练专业水平 设施配置 课程设置 会费 服务态度 会员素质 -.863 .479 -.529 .217 .302 -.297 .210 .100 a.368 -.529 .512 -.536 -.399 -.102 .254 -.462 a-.318 .217 -.536 .620 -.346 -.013 -.164 .389 a-.081 .302 -.399 -.346 .650 .146 -.136 .094 a-.084 .100 -.462 .389 .094 .033 -.378 .673 aa. Measures of Sampling Adequacy(MSA) 15
由表3.12可见，地理位置和环境气氛两个变量的MSA值小于0.5，不适合进入下面的分析，需要排除。
2、选择因子数目
我们此处先报告了因子的特征值。根据特征值确定因子数的方法是保留特征值大于1的因子，某一因子的特征值代表与该因子有关的方差的大小。
表3. 13 因子的特征值
Total Variance Explained Component 1 2 3 4 5 6 Total 2.745 2.100 .530 .359 .202 .063 Initial Eigenvalues % of Variance Cumulative % 45.747 35.006 8.840 5.989 3.364 1.054 45.747 80.753 89.593 95.582 98.946 100.000 Extraction Sums of Squared Loadings Total 2.745 2.100 % of Variance 45.747 35.006 Cumulative % 45.747 80.753 Extraction Method: Principal Component Analysis.
图3. 10 碎石图
16
同时我们报告了碎石图。该图在特征值大的因子所在处的陡坡与其余因子所处平缓的尾部（成为碎石）之间有一明确的折点。
由表3.13中可看出，按特征值大于1的标准可选两个因子。图3.10为此项分析的碎石图，该图在第3个因子处有一明显的折点。由表3.13可见前两个因子在解释方差得累计比例中解释了80.75的方差，增加第3个因子的边际作用不大。因此，在这种情况下，我们保留两个因子似乎是合理的。
3、因子旋转
因子矩阵由因子负载构成，是用因子表示标准化变量时所用的系数。这些系数表示因子与变量之间的相关度，系数绝对值大意味着相应的因子和变量之间密切相关。可以用因子矩阵推断不同因子的含义。
未经旋转的因子矩阵一般不能给出易于理解的因子，因为这些因子与很多变量有关。所以我们进行因子旋转就是希望每个变量只对一个因子具有较大载荷（因子的负载绝对值大于0.3）。
我们在选择两个因子进行因子旋转后的因子矩阵如表3.14所示。
表3. 14 旋转后的因子矩阵
Rotated Component Matrix a 教练专业水平 设施配置 课程设置 会费 服务态度 会员素质 1 Component 2 .178 .085 -.095 .942 .947 .848 .850 .901 .866 .041 .075 .047 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 3 iterations. 由表3.14可见，因子1包含会费、服务态度、会员素质三个变量，是一个软件因子；因子2包含教练专业水平、设施配置、课程设三个变量，是一个硬件因子。可见，在影响健身房的选择时有硬件和软件两个因素起到主要作用。
17