逢甲學報, Bände 33-36逢甲大學, 1998 |
Im Buch
Ergebnisse 1-3 von 41
Seite 6
... 因素分析本文利用因素分析法,將前部分所選取之 16 個變數,萃取出具有代表性之共同變量因素。此作法之主要目的,在於以較少的向度數( Number of Dimensions )來表示原來的資料結構,並同時保有原資料所提供的大部分訊息;亦即以較少數之隨機變量因素,來描述多 ...
... 因素分析本文利用因素分析法,將前部分所選取之 16 個變數,萃取出具有代表性之共同變量因素。此作法之主要目的,在於以較少的向度數( Number of Dimensions )來表示原來的資料結構,並同時保有原資料所提供的大部分訊息;亦即以較少數之隨機變量因素,來描述多 ...
Seite 7
... 因素數目為主,繼續進行斜交轉軸( promax 法) ,使各因素負載平方後之變異數最大,其彼此間的區別較為明顯。轉軸後各變數與因素之相關係數矩陣請見表 3 。〔表 3 ]轉軸後各變數與因素之相關係數矩陣符號財務比率因素 1 因素 2 因素 3 因素 4 因素 5 A7 總 ...
... 因素數目為主,繼續進行斜交轉軸( promax 法) ,使各因素負載平方後之變異數最大,其彼此間的區別較為明顯。轉軸後各變數與因素之相關係數矩陣請見表 3 。〔表 3 ]轉軸後各變數與因素之相關係數矩陣符號財務比率因素 1 因素 2 因素 3 因素 4 因素 5 A7 總 ...
Seite 61
... 因素中各水準的主效果大小及實驗結果是望大( large - the - better )或望小( small - the - better )的特性來選出一組最佳的水準組合。如果是望大特性,則選擇每個因素中主效果較大的水準。以設計分類器為例,實驗結果是期望分類正確率愈高愈好,所以是望大 ...
... 因素中各水準的主效果大小及實驗結果是望大( large - the - better )或望小( small - the - better )的特性來選出一組最佳的水準組合。如果是望大特性,則選擇每個因素中主效果較大的水準。以設計分類器為例,實驗結果是期望分類正確率愈高愈好,所以是望大 ...