利用SPSS软件对量表..

利用SPSS软件对量表进行处理分析•在获取原始数据后，我们利用SPSS对量表可以作出三种分析，即项目分析、因素分析和信度分析。•一、项目分析•是找出未达显著水准的题项并把它删除。它是通过将获得的原始数据求出量表中题项的临界比率值——CR值来作出判断•项目分析包括区分度分析和难度分析。在难度分析中,只要知道了正确回答该题项的人数与参加测验的总人数,就可以求得难度系数,因此,项目分析主要是区分度的计算。•区分度分析的基本原理就是求出问卷每一个题项的CR值(criticalratio),将CR值未达到显著水平的题项删除或修改。•具体方法为:分别求出每个被试量表所得总分,接着取上下27%为高低分组,各题项进行独立样本t检验来检测每题项平均数的差异情况,如果试题的CR值达到0.05的显著性水平,表明本题项可鉴别出不同被试的反应程度,该题项应该保留,反之,则考虑删除或修改该题项,使问卷的质量得以提高。•区分度分析包括反向题重新计分、计算出量表总分、按照总分高低排序、高低分组和用T检验分析高低分组在题项上的差异这样几个阶段。（一）量表中的反向题重新计分•量表中经常有反向计分的题项,以李克特五级量表为例,正向题的题项通常是以5、4、3、2、1的方式计分,而反向题是以1、2、3、4、5的方式计分。项目分析的第一步就是将题项的计分方式变为一致。•下面以一份题项数为19,受试者为60的预试量表为例,首先在SPSS的变量窗口中设置相应的变量,然后在数据窗口中输入数据,其中第3和第19题为反向题。居民生活质量调查数据Spss操作•在SPSS数据窗口界面的菜单栏中依次单击“转换—重新编码为相同变量”,弹出“重新编码到相同的变量中”对话框,将对话框左边变量列表中的3至20选入右边“数字变量”框中。单击“旧值和新值”,按钮,弹出“重新编码成相同变量:旧值和新值”的对话窗口,在窗口中重新编码。具体操作为:在左边“旧值”框中,选取“值”,在后面的空格里填入1,在右边“新值”框中选取“值”,在后面的空格中填入5,然后单击“添加”按钮,接着会在右边的“旧→新”下的框内出现“1→5”,重复此操作,分别将1转换为5,2转换为4,3转换为3,4转换为2,5转换为1。（二）计算出量表总分•在数据窗口菜单栏中单击“转换—计算变量”,弹出“计算变量”对话窗口。在左边“目标变量”:下面的空格内输入新名称变量,本例为total。在右边的函数组:窗口中选取统计量—sum函数进入上面的“数字表达式”:空格中并分别输入各题项(逗号隔开）。然后单击OK按钮,在数据窗口中19后面会新增一个total变量。（三）按总分高低排序•按照总分高低排序,就是找出高低分组总人数27%处的分数。在数据窗口菜单栏中单击“数据-排序个案”,在排序个案对话框中将左边变量列表中的total变量选入右边的“排序依据”:下面的空格中,在“排列顺序”下的二级选项框中选取排序的方式,先选取“降序”,单击OK按钮。在数据窗口中按照total变量的分数,形成由大到小的排列。将总人数乘以27%处的分数记下(本例中共有60名被试,高分组的第16名受试者的分数为72分)。再将按总分由低到高排列,在“排序个案”对话框中,先单击“重置”按钮,将原先的设置还原。选取“升序”的排序方式,单击OK按钮。在数据窗口中按照total变量的分数,形成由小到大的排列。将总人数乘以27%处的分数记下(本例中共有60名被试,低分组的第16名受试者的分数为56分)。（四）按总分高低顺序分组•在数据窗口菜单栏中单击“转换—重新编码为不同变量”,弹出“重新编码为其他变量”对话窗口,将左边变量窗口中的total变量选入右边“数字变量-输出变量”的空格中,在最右边“输出变量”的对话框内,“名称”下面的空格中输入分组的新变量名,本例为group。单击“更改”,total→?变为total→group。•单击“旧值和新值”按钮,弹出“重新编码到其他变量：旧值和新值”二级对话框。在左边旧值框中,先选择“范围，值到最高”的前面空格内输入高分组限72。在右边“新值”框中,选取“值”,在后面的空格内输入1,表示量表总分在72分以上者为第一组，然后单击“添加”按钮。继续在左边“范围，从最低到值”后面的空格内输入低分组限56。在右边“值”在后面的空格内输入2,表示量表总分在56分以下者为第二组,然后单击“添加”按钮。•单击“继续”按钮,回到“重新编码为其他变量”对话窗口,单击“确定”按钮。在数据窗口中就会新增一个group的变量,变量的数值内容为高分组1和低分组2。（五）用T检验分析高低分组在题项上的差异•在数据窗口菜单栏中单击分析—比较均值—独立样本T检验,将左边变量列表中1到19题项选入右边的检验变量下面的空格内。将左边变量列表中的group选入右边分组变量下面的空格内,单击定义组按钮,弹出二级对话窗口,在Group1:后面的空格内输入1,在Group2:后面的空格内输入2。单击“确定”按钮。•如果t值显著(即sig.的值小于0.05),表明此题具有区分度,能区分出不同被试的反应程度,该题项应予以保留。反之,则区分度不好,不能区分出不同被试的反应程度,需要删除或修改此题。•在本例中,我们可以从表输出的结果中看到A2（您满意自己的健康吗？）、A10（您每天的生活有足够的精力吗）、A15（您对自己从事日常活动的能力满意吗？）和A16（您满意自己的工作能力吗？）的t值不显著,表明这几个题项没有鉴别度,应该删除或修改。•二、因素分析•目的是在多变量系统中，把多个很难解释，而彼此有关的变量，转化成少数有概念化意义而彼此独立性大的因素，从而分析多个因素的关系。在具体应用时，大多数采用“主成份因素分析”法，它是因素分析中最常使用的方法。利用SPSS对量表进行因素分析•现要对远程学习者对教育技术资源的了解和使用情况进行了解，设计一个里克特量表，如表：（1）选择“分析-降维“命令，弹出“因子分析”对话框，将变量“A1”到“A10”选入“变量”框中；点击描述，选择“原始分析结果”与“KMOandBartlett’s的球形度检验”二项，单击“继续”。（2）设置对因素的抽取选项。单击“抽取”按钮，设置因素抽取方法为“主成份”，选取“相关性矩阵”、“未旋转的因子解”、“基于特征根”选项，在抽取因素时限定在特征值大于1者，即SPSS的默认选项。单击“继续”按钮确定。（3）设置因素旋转选择“最大方差法”、“旋转解”二项，显示转轴后的相关信息。单击“继续”按钮确定。（4）设置因子得分，“保存为变量”，方法选默认“回归”。•结果分析（1）KMO及Bartlett’检验KMO是Kaiser-Meyer-Olkin的取样适当性量数，当KMO值愈大时，表示变量间的共同因素愈多，愈适合进行因素分析，根据专家Kaiser的观点，如果KMO的值小于0.5时，较不宜进行因素分析，此处的KMO值为0.766，表示适合因素分析。从Bartlett’s球形检验的卡方值为234.438，达到显著性，代表母群体的相关矩阵间有共同因素存在，适合进行因素分析。•（2）共同性•所谓共同性，就是个别变量可以被共同因素解释的变异量百分比，这个值是个别变量与共同因素间多元相关的平方。从共同性的大小可以判断这个原始变量与共同因素间之关系程度。（3）特征值•在因素分析的共同因素抽取中，特征值最大的共同因素会最先被抽取，其次是次大者，最后抽取得共同因素的特征值最小，通常会接近0（在主成份分析中，有几个题项，便有几个成份，因而特征值的总和刚好等于变量的总数）。•将每个共同因素的特征值除以总题数为此共同因素可以解释的变异量。•因素分析的目的之一，即在因素结构的简单化，希望以最少的共同因素，能对总变异量作最大的解释，因而抽取得因素愈少愈好，但抽取因素的累积解释的变异量愈大愈好。由于特征值是由大到小排列，所以第一个共同因素的解释变异量通常是最大者6.292，其次是第二个1.709，二者累积的解释变异量占80%以上。（4）旋转成份矩阵从图中可以看出A7、A9、A10为因素一，A2为因素二。A7：电子讨论网A9：视频会议A10：视听会议A2：录音磁带•⒋结果说明根据因素的特征值和旋转后的因素矩阵，采用了主成份分析法抽取出2个因素作为共同因素，并使用因素转轴方法中的方差最大变异法，转轴后去掉了因素负荷量小于0.1的的系数，按照从大到小的顺序进行排列，使得变量与因素的关系豁然明了。由因子得分系数矩阵，可以将公因子表示为各变量的线性组合。得到的因子得分函数为109876543212109876543211208.0-156.0-137.0149.0-189.0145.0085.0360.0-363.0-193.0264.0245.0079.0245.0047.0086.0120.0190.0118.0052.0xxxxxxxxxxFxxxxxxxxxxF由因子得分系数矩阵，可以将公因子表示为各变量的线性组合。得到的因子得分函数为109876543212109876543211075.0-037.0564.0059.0651.0601.0492.0669.0-825.0-670.0916.0923.0681.0939.0623.0732.0780.0235.0138.0-653.0xxxxxxxxxxFxxxxxxxxxxF2122121211709.1292.6709.1709.1292.6292.6FFFFF因子综合得分•三、信度分析•目的是对量表的可靠性与有效性进行检验。如果一个量表的信度愈高，代表量表愈稳定，也就表示受试者在不同时间测量得分的一致性，因而又称“稳定系数”。根据不同专家的观点，量表的信度系数如果在0.9以上，表示量表的信度甚佳。但是对于可接受的最小信度系数值是多少，许多专家的看法也不一致，有些专家定为0.8以上，也有的专家定位0.7以上。通常认为，如果研究者编制的量表的信度过低，如在0.6以下，应以重新编制较为适宜。••信度分析：打开SPSS：分析-度量-可靠性-模型中选择Alpha（Cronbach‘sAlpha系数即克朗巴哈α值）,信度系数在0.8-0.9之间，说明信度可以接受，不需要修订。•效度分析：分析-降维-因子分析-描述-KMO和Bartlett的球形度检验,KMO在0.9以上表示非常适合；0.8表示适合；0.7表示一般；0.6表示不太适合；0.5以下表示极不适合。