Cluster MembershipCaseQC19S01 1.课前预习QC19S02 2.带笔记本电脑去上课QC19S03 3.课堂上提问或主动回答问题QC19S04 4.在课堂上做汇报QC19S05 5.作课堂笔记QC19S07 7.积极参与小组合作学习或课堂讨论QC19S09 9. 利用图书馆资源QC19S10 10.课后上自习QC19S11 11.课后与同学讨论和课程相关的问题QC19S13 13.课后向老师个别请教QC19S15 15.上课做与该课程无关的事情QC19S16 16. 没有完成作业QC19S17 17. 抄同学的作业QC19S18 18. 逃课3 Clusters12113333311111图4－3聚类分析过程图
8
在全年外出就餐，娱乐费用和全年电话、网络费和服装、化妆品等生活用品支出我们统一称为就餐娱乐服务支出，在父母的受教育程度上，选择父母的最高学历代表家庭的最高学历，另外再加上大学生的出勤率和在教室座位的位置情况7个变量进行因子分析，在因子分析之前由于各个变量的量纲不同，所以先对数据进行标准化处理，然后进行相关性分析，看这些数据是否适合做因子分析。表4－4为相关矩阵。表4－4
从相关矩阵可以看出，这七个变量之间的相关系数基本在0.6以上，因此变量直接按是存在一定相关性的，进行因子分析是合适的。分析可得，其累计方差贡献率为64．446%，特征根及累计贡献率、碎石图、因子载荷矩阵如表4－5，图4－6、表4－7所示。表4－5
9
图4－6
表4－7
得到初始载荷矩阵与公共因子后，为了更好的解释因子，采用方差最大正交旋
10
转的方法对因子进行了旋转，得到结果如表4－8 表4－8
Rotated Component Matrixa1Zscore: QC11 问11.上学期，您上课的出勤率大概为：Zscore: QC12 问12.上大课时您习惯的座位是：Zscore: 课堂表现及作业情况Zscore: 上课用笔记本Zscore: 课后复习情况Zscore: 娱乐就餐服装支出Zscore: 父母最高受教育程度.758.788-.050.064-.734.046.001Component2.214.027.876.762.313.101.0213.043-.034-.056.222-.078.755.798 通过旋转后的因子矩阵可以很好的解释，第一个因子解释变量1、变量2与变量5的能力比较强，其中与变量5具有明显的负相关性，这三个变量分别为上课出勤率、上课座位位置与课后复习情况，解释为学习规律因子。第二的因子解释变量3和变量4的能力较强，变量分别为课堂表现及作业情况、上课用笔记情况，解释为课堂表现因子，第三个因子解释变量6与变量7的能力较强，分别为娱乐与就餐支出、父母教育程度，可以解释这一因子为家庭条件因子。
令x1,x2,x3x4,x5,x6,x7分别表示这7个变量，f1、f2、f3分别代表三种因 子，可以得到影响学生学习成绩的因子分析模型（特殊因子忽略不计）
x1?0.758f1?0.214f2?0.043f3 x2?0.788f1?0.027f2?0.034f3 x3??0.0500f1?0.876f2?0.056f3 x4?0.064f1?0.762f2?0.222f3 x5??0.734f1?0.313f2?0.078f3 x6?0.046f1?0.101f2?0.755f3 x7?0.001f1?0.021f2?0.798f3
五、结论与建议
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a. Rotation converged in 4 iterations. 11
