基于因子分析的ERP沙盤大賽參賽影響因素研究

苑田田 張璇 竇粲燦

【摘要】本文通過因子分析對大學生參賽影響因素進行研究，將眾多影響因素合并為三類影響因子，并得到了參賽影響因素的綜合得分。

【關鍵詞】ERP沙盤 ?影響因素 ?因子分析

【中圖分類號】G642.0 【文獻標識碼】A 【文章編號】2095-3089（2020）02-0242-01

1.引言

為進一步提高大學生創新精神和實踐能力，進一步提高學生的市場信息綜合判斷、產品發展方向控制生產運營管理、財務分配控制、實戰決策、市場競爭與團隊協作等多方面的能力，大學生企業經營模擬沙盤大賽應運而生。

2.研究方法

ERP沙盤企業模擬經營大賽不等同于以往的學科競賽，對參賽隊伍的創新能力、協作能力、資源整合能力等提出更高的要求。本文在實地調研數據基礎上，采用因子分析方法對大學生參與大賽的影響因素進行研究，為進一步提升大學生的參賽積極性提供依據。

3.數據來源

問卷設計以大學生對ERP沙盤大賽的關注度為前提，以分析提升大學生參賽意愿為目標。本文在大量文獻研究的基礎上，根據大學生參賽素質的內涵編制調查問卷。問卷從8個角度進行展開：參賽意向、參賽態度、感知行為控制、對沙盤課程的認知、對沙盤大賽的認知、對沙盤比賽指導講座的認知、前瞻性人格和自我價值感。問卷采用完全具有為5分、具有為4分、一般為3分、較少為2分、沒有為1分的5級記分方法進行統計。

本文以實地調研和網絡調研的方式進行問卷調查。本次調研共發放調研問卷600份，回收調研問卷562份，有效問卷560份，有效問卷回收率為93.7%。

4.基于因子分析的影響因素研究

因子分析的概念起源于20世紀初Karl Pearson和Charles Spearmen等人關于智力測驗的統計分析。因子分析的核心是用較少的互相獨立的因子反映原有變量的絕大部分信息。因子分析采用降維、簡化數據的技術，以最少的信息丟失為前提，將眾多的原有變量綜合成較少的幾個綜合指標。目前，因子分析已成功應用于管理學、心理學、醫學、經濟學、氣象學等領域，并因此促進了理論的不斷豐富和完善。

4.1因子分析可行性判斷

首先考察收集到的原有因素之間是否存在一定的線性關系，是否適合采用因子分析提取因子。這里，借助巴特利特球度檢驗和KMO檢驗方法進行分析。得到巴特利特球度檢驗統計量的觀測值為193.812，相應的概率P值接近0，小于顯著性水平0.05，認為相關系數矩陣與單位陣有顯著差異。同時，KMO的值為0.828，可知原有因素適合進行因子分析。

4.2因子提取

運用SPSS軟件進行分析，得到解釋的總方差和公因子方差。第1個因子的方差貢獻為5.231，解釋原有8個因素總方差的65.388%，累計方差貢獻率為65.388%;第2個因子的方差貢獻為1.059，解釋原有8個因素總方差的13.237%，累計方差貢獻率為78.625%;第3個因子的方差貢獻為0.682，解釋原有8個因素總方差的8.525%，累計方差貢獻率為87.150%。因此選取3個因子可以較好的反映原始變量的信息。

4.3因子命名解釋

采用方差極大法對因子載荷矩陣實行正交旋轉使因子具有命名解釋性。指定按第1個因子載荷降序的順序輸出旋轉后的因子載荷。由旋轉載荷矩陣（表1）可以得出，第1個因子在變量X4、X5、X6上具有較大的載荷，可以定義為“知識認知”;第2個因子在變量X2、X3、X8上具有較大的載荷，可以定義為“主觀規范”;第3個因子在變量X1、X7上具有較大的載荷，可以定義為“比賽意向”。

4.4 計算因子得分

將問卷中各項目依次用變量X1-X8表示，在因子旋轉的基礎上，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

由此可以計算每位學生三個公因子的得分，并進一步得到學生參與大賽的綜合得分公式為：

F=39.050%F1+27.987%F2+20.113%F3

根據公式可以計算每位學生的得分并進行排名，為高校選拔參賽選手提供依據。

5.結論

根據因子分析結果可以得出，在影響大學生參加ERP沙盤大賽的因素中，“知識認知”因子的影響權重是最大的，其次是“主觀規范”和“參賽意向”。

參考文獻：

[1]苑田田.ERP沙盤能力培養與企業需求匹配度的調查研究[J].經貿實踐，2018（02）：316