SPSS因子分析

PPT模板下载：行业PPT模板：节日PPT模板：素材下载：背景图片：图表下载：优秀PPT下载：教程：教程：教程：资料下载：课件下载：范文下载：试卷下载：教案下载：结构效度的测定方法—因子分析SPSS软件应用吴迪1效度的基本概念01STEP因子分析的基本原理02STEP因子分析操作程序03STEP因子分析的报表解释04STEP2内容效度效标关联效度指测量量表内容或题项的适当性与代表性，及测验内容能反应所要测量的心理特质，能否测量到所要测验的目的或行为构想，内容效度的检验通常会透过双向细目表，以考查测验内容的效度，内容效度常以题目分布的合理性来判断，属于一种命题的逻辑分析，因而内容效度也称为“逻辑效度”（logicalvalidity）。指测验与外在效标间关联的程度，如果测验与外在效标间的相关愈高，表示此测验的效标关联效度愈高。概念3结构效度专家效度指测验能够测量出理论的特质或概念的程度，即实际的测验分数能解释某一心理特质的多少。反映的是工具与其所依据的理论或概念框架间的相结合程度。结构效度分为聚合效度（convergentvalidity）和判别效度（discriminantvalidity）。在研究者根据理论假设编制测验或量表后，如果无法编制双向细目表进行内容效度检验，可以将编制好的量表请相关的学者专家加以审查并提供修正意见，研究者再根据专家学者的意见进行修正。概念4原理因素分析是一种潜在的结构分析方法，其模式理论中，假定每个指针（外在变量或成题项、观察值、问卷问题）均由两个部分构成，一为“共同因子”（commonfactor）、一为“唯一因子”（uniquefactor）。因子分析最常用的模式如下：jmjmjjjjUFaFaFaFaZ332211（j=1,2,3…,n，n为原始变量总数）变量F1（共同因素一）F2（共同因素二）共同性（h2）唯一因子（d2）X1a11a12a112+a1221-h12X2a21a22a212+a2221-h22X3a31a32a312+a3221-h32特征值a112+a212+a312a122+a222+a322解释量(a112+a212+a312)÷3(a122+a222+a322)÷3以三个变量抽取二个共同因子为例系数aji为第个i变量与第k个因子之间的线性相关系数，反映变量与因子之间的相关程度，也称为载荷(loading)。由于因子出现在每个原始变量与因子的线性组合中，因此也称为公因子。Uj为特殊因子，代表公因子以外的因素影响原理5计算变量间的相关矩阵或协方差矩阵估计因素负荷量转轴方法决定因素与命名01020304因子分析的主要步骤601计算变量间的相关矩阵或协方差矩阵如果一个变量与其它变量间相关很低，在下一个分析步骤中可以考虑剔除此变量，还要考量到变量的“共同性”（communality）与“因子负荷量”（factorloadings）。若相关矩阵中的大部分相关系数小于0.3，则不适合作因子分析。702估计因素负荷量决定因子抽取的方法，有主成分分析法、主轴法、一般化最小二乘法、未加权最小二乘法、极大似然法、Alpha因子抽取法与映象因子抽取法。最常使用者为主成分分析法与主轴法，研究者应多采用主成分分析法来估计因子负荷量。8转轴方法因子旋转的目的是为了便于理解和解释因子的实际意义,主要有两种方式:正交旋转(Orthogonalrotation)和斜交旋转(Obliquerotation)03转轴后，每个公因子的特征值会改变，与转轴前不一样，但每个变量的共同性不会改变。904决定因子与命名转轴后，要决定因子数量，选取较少因子层面，获得较大的解释量。主成分资料分析中，以较少成分解释原始变量变异量的较大部分。成分变异量通常以“特征值”（eigenvalues）表示，有时也称“特性本质”（characteristicroots）或“潜在本质”（latentroots）。10FactorAnalysis适用条件KMO统计量：取值范围在0～1之间Bartlett’s球形检验总样本量不得少于100，而且原则上越大越好样本量与变量数的比例应在5:1以上11PPT模板下载：行业PPT模板：节日PPT模板：素材下载：背景图片：图表下载：优秀PPT下载：教程：教程：教程：资料下载：课件下载：范文下载：试卷下载：教案下载：以下，非常不适合进行因子分析0.9以上0.8以上0.7以上0.6以上0.5以上KMO统计量值因素分析适合性B极适合进行因子分析适合进行因子分析尚可进行因子分析勉强可进行因子分析不适合进行因子分析12Clickheretoaddyourtext程序Analyze→DataReduction→FactorAnalysis→variables1301020304Step1Descriptive（描述性统计分析）:(1)Statistics（统计量）(2)CorrelationMatrix（相关性矩阵）平均数、标准差未转轴之统计量KMO和Bartlett’s的球形检验在“FactorAnalysis:Descriptives”对话框中，选取“Initialsolution”、“KMOandBartlet’stestofsphericity”二项，单击“Continue”按钮。0102Step2030414Step1报表解释1501020304Step1Step2Extraction:萃取(1)Method（方法）(2)Analyze（分析）(3)Display（显示）(4)Extract（萃取）Principalcomponents主成份分法Unweightedleastsquares未加权最小平方法Generalizedleastsquares一般化最小平方法Maximumlikehood最大概似法Principal-axisfactoring主轴法Alphafactoring因素抽取法Imagefactoring映象因素抽取法相关矩阵协方差距阵未旋转因子解陡坡图特征值因子个数在“FactorAnalysis:Extraction”对话窗口中，抽取因子方法选择“Principalcomponents”，选取“Correlationmatrix”、并勾选“Unrotatedfactorsolution”、Screetplot”等项，在抽取因子时限定在特征值大于1者，在“Eigenvalueover:”后面的空格内输入116Step2报表解释可见从第三个主成分开始特征根都非常低，该图从另一个侧面说明只需要提取3个主成分即可。成分矩阵1701020304Step1Step2Step3ClicktoaddtitleRotation:旋转(1)Method方法(2)Display显示(3)MaximumIterationsforConvergence最大变异法转轴后的解因子负荷量转轴时执行的迭代最后次数，后面内定数字25（算法执行转轴时，执行步骤的次数上限）在“FactorAnalysis:Rotation”对话窗中，选取“Varimax”、“Rotatedsolution”等项。研究者要勾选“Rotatedsolution”选项，才能显示转轴后的相关信息。1801020304Step1Step2Step3Step4Scores:分数(1)Method方法(2)Displayfactorscorecoefficientmatrix显示因素分数系数矩阵Options:选项(1)MissingValues遗漏值(2)CoefficientDisplayFormat:系数显示格式完全排除遗漏值依据因子负荷量排序绝对值舍弃之下限在“FactorAnalysis:Options”对话窗口中，勾选“Excludecaseslistwise”、“Sortedbysize”等项，并勾选“Suppressabsolutevalueslessthan”选项，正式的论文研究中应呈现题项完整的因子负荷量较为适宜。1901020304Step1Step2Step3Step420报表解释成分转换矩阵转轴后的成分矩阵因素负荷量=成分矩阵×成分转换矩阵Q8转轴后的成分矩阵第一共同因素因子负荷量：0.798谢谢聆听ThankYou21