专业满意度调查报告.doc

专业满意度调查报告 班 级： 04工程管理 组 员： 沈翠翠 2004105009 林素玲 2004105039 黄梦雅 2004105044 沈洁雄2004105065 任 课 老 师： 王家远/陆绍凯 日 期: 2007.12.26 一 .对样本进行描述性分析 表1-1 One-Sample Test Test Value = 0 t df Sig. (2-tailed) Mean Difference 95% Confidence Interval of the Difference Lower Upper 一 18.582 29 .000 4.27 3.80 4.74 二 18.962 29 .000 4.60 4.10 5.10 三 19.893 29 .000 4.17 3.74 4.60 四 15.444 29 .000 4.23 3.67 4.79 五 18.611 29 .000 4.43 3.95 4.92 六 15.686 29 .000 4.23 3.68 4.79 七 18.438 29 .000 4.57 4.06 5.07 八 23.195 29 .000 5.03 4.59 5.48 九 17.352 29 .000 4.17 3.68 4.66 十 11.235 29 .000 3.67 3.00 4.33 十一 17.840 29 .000 3.83 3.39 4.27 十二 12.013 29 .000 2.90 2.41 3.39 十三 13.499 29 .000 3.93 3.34 4.53 十四 19.151 29 .000 3.87 3.45 4.28 十五 11.492 29 .000 3.63 2.99 4.28 十六 12.376 29 .000 4.33 3.62 5.05 表1-2 从表1-2可以看出，表1-2包含了如下信息：调查样本的个数、均值、 标准差及偏度。其中，调查样本的个数为30；各个问题的均值，其中均值最大的是问题八，而均值最小的是问题十二，我们可以初步看到，调查者比较看重专业是否有挑战性，并且认为自己所学的专业课程内容不太合理； 二 .建立满意度和14个问题之间的相关系数矩阵,找出最显著影响满意度的前三个因素。 表2-1 从表2-1可看出，最显著的影响满意度的前三个因素是第5个公共因子、第7个公共因子及第11公共因子。 三 ．建立满意度与行为（第16个问题）之间的一元线性回归模型，分析两者之间是否存在显著的相关关系。 表3-1 表3-2 表3-3 表3-4 从表3-3可得出方程为：y = 0.259x + 3.415 四 ．将 14个问题中与满意度显著相关的问题保留，进行因子分析，对分析出的公共因子进行命名。 从表2-1中可以看出，在这14个问题中，与满意度显著相关的问题有问题3、4、5、6、7、9、11及12。因此，可对这七个问题进行因子分析。 表4-1 表4-1给出了KMO检验统计量与Bartlett球形检验结果。KMO统计量等于0.730，Bartlett球形检验p值为0.000，这些都说明本例中的数据比较适合进行因子分析。 表4-2 表4-2给出了八个原始变量的变量共同度。变量共同度反映每个变量对公共因子的依赖程度。从表4-2来看，公共因子3、4、5、6、7、11的提取效果比较理想。 表4-3 表4-3给出了因子分析各个阶段的特征根与方差贡献表。 其中，Initial Eigenvalues 栏给出初始的样本相关系数矩阵或协差阵的特征根，用于确定哪些因子应该被提取，共有三项：Total列为各因子对应的特征根，从表？中可以看出，这里有2个因子对应的特征根值大于1，因此应提取相应的2个公因子；% of Variance列为各因子的方差贡献率；Cumulative列为各因子的累积方差贡献率。 Extraction Sums of Squared Loadings栏给出提取出的因子方差贡献表，提取出的2个因子按方差贡献的大小自上而下列出。同时可以看出，前4个因子已经可以解释原始变量的65.700%的方差，已经包含了大部分的信息。 Rotation Sums of Squared Loadings栏给出提取出的公因子经过旋转后的方差贡献情况。从中可以看到，由于经过旋转，2个因子的方差贡献已经发生了变化，但是2个因子总的累积方差贡献并没有改变依然是65.700% 表4-4 表4-4给出了的碎石图。图中的很坐标为因子的序列号，纵坐标为相应特征根的值。从图中可以看到，第2个因子前