【正文】 表419 對擬合的兩個模型的方差分析檢驗結果ANOVAjModelSum of SquaresdfMean SquareFSig.1Regression1.000aResidual336Total3372Regression2.000bResidual335Total3373Regression3.000cResidual334Total3374Regression4.000dResidual333Total3375Regression5.000eResidual332Total3376Regression6.000fResidual331Total3377Regression7.000gResidual330Total3378Regression8.000hResidual329
。由結果可知，九個模型均具有統(tǒng)計學意義。說明模型九對新生代農民工培訓滿意度的解釋能力最強。把培訓后幫助度因子、培訓中感受因子、培訓后價值評價因子、培訓前人事期望因子、培訓前教學期望因子、培訓后教學評價因子、培訓時間滿意度因子、培訓費滿意度因子和培訓場所滿意度因子作為自變量（見表417），把新生代農民工培訓的整體滿意度作為因變量，分析各自變量對因變量的影響情況，最終得出線性回歸方程。通過對經方差最大正交旋轉后的因子載荷矩陣，我們提取了因子載荷系數較大的自變量進行歸類，獲得了表416所示的公因子及其結構。至于探討各個自變量與應變量的直接數量關系，可以在今后的研究中進一步深入剖析。所以在后續(xù)研究中，并不需要采用這些因子得分及其線性變換的結果。此時則可將原始變量的線性組合替代公因子，從而獲得因變量與自變量之間的解釋關系。計算因子得分表415是因子分析所得的因子得分系數矩陣，該系數矩陣可以將公因子表示成各個自變量的線性組合，能由此計算出九個公因子的得分，并可直接用于替代16個變量進行相關分析與回歸分析。在后續(xù)對九個公因子的多元線性回歸分析中，本文將結合因子載荷系數的數據結果，進一步對因子結構中的自變量進行深入的解釋和探討。通過上述因子分析，本文尋找到了九個互不相關的因子。第九個公因子主要由培訓場所方面的滿意度決定，我們將其命名為培訓場所滿意度因子。第七個公因子主要由培訓時間方面的滿意度決定，反映的是培訓時間滿意度方面的情況，我們將其命名為培訓時間滿意度因子。第五個公因子主要由培訓課程期望、培訓內容期望兩個方面的滿意度決定，、,反映的都是培訓教學期望方面的情況，我們將其命名為培訓前教學期望因子。 第三個公因子主要由推薦培訓可能性、培訓班整體滿意度兩個方面的滿意度決定，、反映的都是新生代農民工對培訓后的價值評價情況，我們將其命名為培訓后價值評價因子。通過對旋轉后的載荷矩陣進行觀察，可以得出以下結論： 第一個因子主要由培訓對就業(yè)幫助度、就業(yè)對證書幫助度兩個方面決定，、反映的都是新生代農民工對培訓的幫助度評價情況，我們將其命名為培訓幫助度因子。表414的數據顯示，經過最大方差正交旋轉各因子的載荷系數趨向兩極化。為了獲得良好的因子結構，本文采用方差最大正交旋轉法進行了因子旋轉，對其進行結構調整簡化，得到了方差最大正交旋轉的因子載荷矩陣（見表414）。所得的初始因子載荷矩陣（見表413）。根據因素載荷分析的相關理論，觀測變量的因子載荷值越大，說明該觀測變量與公因子之間的關系越密切。因子變量的命名解釋因子分析中，通過對載荷矩陣的值進行分析，得到因子變量和原變量的關系，從而對新的因子變量進行命名。表412 因子解釋原有變量總方差的情況Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %dimension012345.623.6236.563.5637.529.5298.447.4479.416.41610.40811.39812.36313.34214.32715.30216.230Extraction Method: Principal Component Analysis.由總體貢獻率統(tǒng)計結果可知，通過主成分分析提取九個公因子之后，它們基本反映了原來數據大部分的信息。，因子分析的初始分析中提取了九個公因子，%(見表412)。因子提取因子分析中有多種確定因子變量的方法，如基于主成分模型的主成分分析法和基于因子分析模型的主軸因子法、極大似然法、最小二乘法等。表411 巴特利特球度檢驗和KMO檢驗取樣足夠度的 KaiserMeyerOlkin 度量。首先對數據進行因子分析適合性檢驗，這說明本調研的數據是適合做因子分析的。確定待分析的原有若干變量是否適合做因子分析對于是否適合做因子分析，本文采用KMO和Bartlett檢驗。因此，本節(jié)將對利用變量信息和數據信息進行因子分析，并利用這些變量對新生代農民工的培訓滿意度的影響因素進行解釋。在運用回歸分析時，往往面臨著因為自變量之間存在多重共線性，而使得建立起來的回歸模型并不能很好的刻畫因變量與自變量之間的關系的困境。在大多數情況下，許多變量之間存在一定的相關關系。 建立因子分析模型因子分析就是用少數幾個因子來描述許多指標或因素之間的聯(lián)系，以少數幾個因子反映出原始資料的大部分信息的統(tǒng)計學方法。圖410 各個度量可靠性系數項已刪除的刻度均值項已刪除的刻度方差校正的項總計相關性多相關性的平方項已刪除的 Cronbach39。本文使用內部一致性系數（Cronbach’s）來進行信度分析，檢驗數據的可靠性。 樣本信度分析為了進一步細化影響新生代農民工培訓滿意度的因素，有必要先將問卷中與各個變量相關的問題作為相應變量的度量項目，對影響新生代農民工培訓滿意度的因素進行深入分析。在分析個體特征對新生代農民工培訓滿意度的影響時，運用因子分析從受訪者最近一次培訓的評價指標中提取9個培訓滿意度影響因子，并據此構建培訓滿意度回歸模型，分析個體特征因素對培訓滿意度的影響效果。而政府組織的職業(yè)技能培訓項目、政府組織的創(chuàng)業(yè)培訓項目、企業(yè)和單位組織的職業(yè)技能培訓項目的評價一般，、。圖44顯示職業(yè)院校和大中專院校組織的技能培訓項目的滿意度評價最高。培訓學校組織的技能培訓項目、說明培訓學校組織的技能培訓項目、職業(yè)院校和大中專院校組織的技能培訓項目兩者對培訓滿意度的評價都存在顯著性影響。各組數據兩兩之間對照比較的結果見表49。首先是對培訓類型與培訓滿意度的方差分析，首先進行方差齊性檢驗（見表48）。圖43 不同文化程度新生代農民工培訓滿意度 培訓類型與培訓滿意度不同的培訓機構，不同培訓方式，造就不同層次的人才。從圖43，我們發(fā)現初中、高中（含職高、中專、技校）、大專及以上的評價較高且較為接近。各組數據兩兩之間對照比較的結果如表47所示：表47 多重結果比較（文化程度）Multiple ComparisonsDependent Variable:總體滿意度(I) 文化程度(J) 文化程度Mean Difference (IJ)Std. ErrorSig.95% Confidence IntervalLower BoundUpper BoundTamhane小學及以下初中.501高中（含職高、中專、技校）.310大專及以上.338初中小學及以下.501高中（含職高、中專、技校）.976大專及以上.991高中（含職高、中專、技校）小學及以下.310初中.976大專及以上.35680大專以上小學及以下.338初中.991高中（含職高、中專、技校）Dunnett T3小學及以下初中.466高中（含職高、中專、技校）.285大專及以上.310初中小學及以下.466高中（含職高、中專、技校）.975大專及以上.991高中（含職高、中專、技校）小學及以下.285初中.975大專及以上.35680大專及以上小學及以下.310初中.991高中（含職高、中專、技校）由表47可知，文化程度對新生代農民工的培訓滿意度不具有顯著影響。s T2和Dunnett39。首先是對文化程度與培訓滿意度的方差分析，首先進行方差齊性檢驗（見表46）。也就是說不同教育程度的新生代農民工在培訓滿意度上會存在一定的差異。其它（包括離婚、喪偶、再婚）的新生代農民工對培訓的滿意度評價較差。進一步分析不同婚姻狀況新生代農民工的差異狀況。各組數據兩兩之間對照比較的結果見表45。圖41 不同年齡農民工培訓滿意度比較 婚姻狀況與培訓滿意度美滿的家庭生活是事業(yè)的基礎，那么不同的婚姻狀況對培訓滿意度存在什么樣的影響呢?為此，我們將新生代農民工的婚姻狀況分成三類:“未婚”、“初婚”、“其它（包括離婚、喪偶、再婚）”，對婚姻狀況與培訓滿意度進行分析（見表44）。從圖41，我們發(fā)現30歲以上評價最高，其次是2125歲。表43 多重結果比較(年齡)Multiple ComparisonsDependent Variable:總體滿意度(I) 年齡(J) 年齡Mean Difference (IJ)Std. ErrorSig.95% Confidence IntervalLower BoundUpper BoundLSD20歲及以下2125歲.060.19792630歲.59630歲以上.1742125歲20歲及以下.0602630歲.06830歲以上.6432630歲20歲及以下.5962125歲.068.261930歲以上.24530歲以上20歲及以下.1742125歲.6432630歲.245由表43可知，他們之間不具有顯著差異。表42 年齡方差齊次性檢驗Test of Homogeneity of Variances總體滿意度Levene Statisticdf1df2Sig.3334.164從表42可以看到，在當前自由度下對應的P值(Sig.)=，說明具有方差齊次性，應該用LSD法對各個水平的均值進行計算。先進行樣本的方差齊次性檢驗 (Test of Homogeneity of Variances)，根據方差齊次性檢驗的結果，決定通過何種方法讀取各個水平的均值。被調查者的年齡大致分布在1632歲之間，將年齡大致劃分為“20歲以下”、“2125歲”、“2630歲、30歲及以上”四個層次，以分組后的年齡變量為自變量，與培訓總體狀況評價進行方差分析。 年齡與培訓滿意度 由于個人的經濟條件和工作狀況會隨著年齡的增長而不斷發(fā)生變化，因而不同年齡層次的農民工對培訓滿意度的評價有可能存在一定的差異。由于該置信區(qū)間跨0，因此也從另一個角度證實了上述推斷。由于兩個總體的方差無顯著差異，故推斷結果應從Equal variances assumed（假設方差相等）行中得到，在該行的第4列給出t統(tǒng)計量的觀察值，為－，第6列為相應的雙尾概率P值，；，因此認為兩總體的方差無顯著差異，即男女新生代農民工培訓滿意度均值無顯著差異。第2列是檢驗F統(tǒng)計