基于因子分析的ERP沙盘大赛参赛影响因素研究
来源:用户上传
作者:苑田田 张璇 窦粲灿
【摘要】本文通过因子分析对大学生参赛影响因素进行研究，将众多影响因素合并为三类影响因子，并得到了参赛影响因素的综合得分。
【关键词】ERP沙盘 影响因素 因子分析
【中图分类号】G642.0 【文献标识码】A 【文章编号】2095-3089（2020）02-0242-01
1.引言
为进一步提高大学生创新精神和实践能力，进一步提高学生的市场信息综合判断、产品发展方向控制生产运营管理、财务分配控制、实战决策、市场竞争与团队协作等多方面的能力，大学生企业经营模拟沙盘大赛应运而生。
2.研究方法
ERP沙盘企业模拟经营大赛不等同于以往的学科竞赛，对参赛队伍的创新能力、协作能力、资源整合能力等提出更高的要求。本文在实地调研数据基础上，采用因子分析方法对大学生参与大赛的影响因素进行研究，为进一步提升大学生的参赛积极性提供依据。
3.数据来源
问卷设计以大学生对ERP沙盘大赛的关注度为前提，以分析提升大学生参赛意愿为目标。本文在大量文献研究的基础上，根据大学生参赛素质的内涵编制调查问卷。问卷从8个角度进行展开：参赛意向、参赛态度、感知行为控制、对沙盘课程的认知、对沙盘大赛的认知、对沙盘比赛指导讲座的认知、前瞻性人格和自我价值感。问卷采用完全具有为5分、具有为4分、一般为3分、较少为2分、没有为1分的5级记分方法进行统计。
本文以实地调研和网络调研的方式进行问卷调查。本次调研共发放调研问卷600份，回收調研问卷562份，有效问卷560份，有效问卷回收率为93.7%。
4.基于因子分析的影响因素研究
因子分析的概念起源于20世纪初Karl Pearson和Charles Spearmen等人关于智力测验的统计分析。因子分析的核心是用较少的互相独立的因子反映原有变量的绝大部分信息。因子分析采用降维、简化数据的技术，以最少的信息丢失为前提，将众多的原有变量综合成较少的几个综合指标。目前，因子分析已成功应用于管理学、心理学、医学、经济学、气象学等领域，并因此促进了理论的不断丰富和完善。
4.1因子分析可行性判断
首先考察收集到的原有因素之间是否存在一定的线性关系，是否适合采用因子分析提取因子。这里，借助巴特利特球度检验和KMO检验方法进行分析。得到巴特利特球度检验统计量的观测值为193.812，相应的概率P值接近0，小于显著性水平0.05，认为相关系数矩阵与单位阵有显著差异。同时，KMO的值为0.828，可知原有因素适合进行因子分析。
4.2因子提取
运用SPSS软件进行分析，得到解释的总方差和公因子方差。第1个因子的方差贡献为5.231，解释原有8个因素总方差的65.388%，累计方差贡献率为65.388%;第2个因子的方差贡献为1.059，解释原有8个因素总方差的13.237%，累计方差贡献率为78.625%;第3个因子的方差贡献为0.682，解释原有8个因素总方差的8.525%，累计方差贡献率为87.150%。因此选取3个因子可以较好的反映原始变量的信息。
4.3因子命名解释
采用方差极大法对因子载荷矩阵实行正交旋转使因子具有命名解释性。指定按第1个因子载荷降序的顺序输出旋转后的因子载荷。由旋转载荷矩阵（表1）可以得出，第1个因子在变量X4、X5、X6上具有较大的载荷，可以定义为“知识认知”;第2个因子在变量X2、X3、X8上具有较大的载荷，可以定义为“主观规范”;第3个因子在变量X1、X7上具有较大的载荷，可以定义为“比赛意向”。
4.4 计算因子得分
将问卷中各项目依次用变量X1-X8表示，在因子旋转的基础上，得到因子得分如下：
F1=0.042X1+0.322X2-0.117X3+0.582X4+0.771X5+0.545X6-0.129X7-0.284X8F2=0.223X1+0.656X2+0.331X3-0.062X4-0.159X5+0.020X6+0.196X7+0.427X8F3=0.673X1-0.204X2+0.244X3+0.058X4+0.346X5-0.117X6+0.856X7+0.381X8
由此可以计算每位学生三个公因子的得分，并进一步得到学生参与大赛的综合得分公式为：
F=39.050%F1+27.987%F2+20.113%F3
根据公式可以计算每位学生的得分并进行排名，为高校选拔参赛选手提供依据。
5.结论
根据因子分析结果可以得出，在影响大学生参加ERP沙盘大赛的因素中，“知识认知”因子的影响权重是最大的，其次是“主观规范”和“参赛意向”。
参考文献：
[1]苑田田.ERP沙盘能力培养与企业需求匹配度的调查研究[J].经贸实践，2018（02）：316
转载注明来源:https://www.xzbu.com/1/view-15184412.htm
