关于我国电子商务企业的数据分析方法的探讨
为了验证所提炼的因子影响程度及重要程度、检验问卷结构效度和后续回归分析的需要，本文首先对调查数据进行了因子分析，剔除不符合要求的题目，最终得到问卷；然后，使用SPSS软件对问卷调查数据进行信度、效度、描述性统计、方差和相关分析；最后，建立回归方程模型对假设进行检验。
1因子分析模型及其统计检验 因子分析是一种通过显在变量测评潜在变量，通过具体指标测评抽象因子的统计分析方法。
因子分析的目的即在找出量表潜在的结构，减少题目的数目，使之成为一组数量较少而彼此相关较大的变量。
在本文中以主成分因素抽取法抽取共同因素，根据Kaiesr（1960）的观点选取特征值大于1.0以上的共同因素，再以最大变异法进行共同因素正交旋转处理，保留共同度大于0.6以及因素负荷量大于0.5以上的题目。
因素负荷量为代写硕士论文因素结构中原始变量与抽取出共同因素相关，负荷量越高表示该题目在该共同因素的重要性越大。
共同度是每个变量在每个共同因子的负荷量的平方和，也就是个别变量可以被共同因子解释的变异量百分比，是个别变量与共同因子间多元相关的平方。
因子分析的数学模型及其统计检验描述如下： 彼此之间是独立的，则模型（4.1）称为正交因子模型；相反，如果公共因子彼此之间有一定相关性，则称为斜交因子模型。
由于斜交因子模型比较复杂，在本文中只考虑正交因子模型，而且假定各公共因子的均值为0，方差为1。
模型中的矩阵A称为因子载荷矩阵，a称为因子“载荷”，是第i个变量在第j个因子上的负荷。
因子载荷阵的求解方法有很多，本文用常用的主成分分析法，求解载荷阵得到仅包含m个因子的因子载荷阵。
主要问题就在于如何通过SPSS统计软件对数据的分析来估计因子载荷矩阵A，负荷量大的指标给予保留，否则剔除。
关于因子载荷的检验有：模型的标准化，这主要是为了得到抽象的因子含义，即对因子各维度进行命名；变量共同度检验，变量的共同度越高，说明该因子分析模型的解释能力越高；因子的方差贡献检验，用因子的累计方差贡献率来确定公共因子提取的个数，也就是寻找一个使得累计方差贡献率达到较大百分比的自然数，即最终提取方差贡献大于1的因子作为公共因子。
由于本文的论题是电子商务环境下服务业企业绩效评价指标体系构建，本文主要运用平衡计分卡把评价指标体系分为四个方面，18个二级指标作为18个因子，按照因子分析法来选取有效指标，各项指标在选取时，需要遵循两个原则，一是该指标在以前的研究中出现的概率，二是指标与所要研究的问题的潜在相关性。
本文在四个方面的指标的选取上，另外考虑了①全面性，要求所选的指标能反映企业的经营、客户、企业学习与成长、财务方面的状况；②有效性，要求选择那些能够对预测企业的整体状况有指示作用的重要指标；如，若各项指标的双尾T检验的显著性概率小于0.05，则能有效的反映企业的四个方面的状况，反之，则是无效指标，应剔除。
③同趋势性，即当各项指标增大时，表示企业的整体状况改善，反之当各项指标减少时，表示企业的整体状况恶化；④可操作性，采用易得到的数据。
2信度、效度、描述性统计、方差和相关分析方法 信度分析是采用一定的方法来衡量回收问卷中各变量的内部一致性，它主要考查的是问卷测量的可靠性，检验每一个因素中各个题目测量相同或相似的特性。
本文采用克隆巴赫（Cronbacha）一致性系数检验量表的信度和各分量表的信度。
首先，必须对题目的结构、测量的总体安排以及题目见的关系做出说明，然后运用一定的方法从数据中得出基本构思，以此来对测量构思的效度进行分析。
累积贡献率反映公因素对量表或问卷的累积有效程度，共同度反映由公因素解释原变量的有效程度，因子负荷反映原变量与某个公因素的相关度。
描述性统计分析是对各维度中的测量题目的均值、标准差、方差等描述性统计量代写硕士论文进行统计，了解各维度中题目设置的水平。
方差分析又称变异数分析或F检验，其目的是推断两组或多组资料的总体均数是否相同，检验两个或多个样本均数的差异是否具有统计学意义。
方差分析对客观事物数量进行依存关系的分析，主要刻画两类变量间线性相关的密切程度，其两个变量全是随机变量，且处于平等地位。
两变量之间的相关关系可以通过绘制散点图或计算相关系数来反映。