利用SPSS进行量表分析文档格式.docx
《利用SPSS进行量表分析文档格式.docx》由会员分享,可在线阅读,更多相关《利用SPSS进行量表分析文档格式.docx(19页珍藏版)》请在冰豆网上搜索。
成份变异量通常用“特征值表示,有时也称“特性本质”或“潜在本质”。
因素分析是一种潜在结构分析法,其模式理论中,假定每个指针(外在变量或称题项)均由两部分所构成,一为“共同因素”、一为“唯一因素”。
共同因素的数目会比指针数(原始变量数)还少,而每个指针或原始变量皆有一个唯一因素,亦即一份量表共有n个题项数,则会有n个唯一因素。
唯一因素性质有两个假定:
(1)所有的唯一因素彼此间没有相关;
(2)所有的唯一因素与所有的共同因素间也没有相关。
至于所有共同因素间彼此的关系,可能有相关或可能皆没有相关。
在直交转轴状态下,所有的共同因素间彼此没有相关;
在斜交转轴情况下,所有的共同因素间彼此就有相关。
因素分析最
常用的理论模式如下:
乙~iiF计靶玛+在拼弐十…十每芒如十Uj
其中
(1)—为第i个变量的标准化分数。
(2)Fm为共同因素。
(3)m为所有变量共同因素的数目。
(4)为变量二,的唯一因素
(5)为因素负荷量。
因素分析的理想情况,在于个别因素负荷量不是很大就是很小,这样每个变量才能与较少
的共同因素产生密切关联,如果想要以最少的共同因素数来解释变量间的关系程度,贝『】彼此间
或与共同因素间就不能有关联存在。
-所谓的因素负荷量,是因素结构中原始变量与因素分析时抽取岀共同因素的相关。
在因素分析中,有两个重要指针:
一为共同性”,二为特征值”。
所谓共同性,就是每个变量在每个共同因素之负荷量的平方总和(一横列中所有因素负荷量的平方和),也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。
而各变量的唯一因素大小就是1减掉该变量共同性的值。
(在主成份分析中,有多少个原始变量便有多少个成份,所以共同性会等于1,没有唯一因素)。
所谓特征值,是每个变量在某一共同因素之因素负荷量的平方总和(一直行所有因素
负荷量的平方和)
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
我们通过一个例子说明如何利用SPSS软件对量表进行分析。
二、利用SPSS对量表进行因素分析
【例6-9】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6-27所示。
W6-I7远裡零习音前鞋有拽上资涯的了解和仲甲
问題
題项
从未便用
有时使用
经常凑用
总是使用
1
2
3
4
5
©
录育瞬
r录像带
A4
凰上费料
A5
校园网或因待翩
电子邮件
須
电孑讨论网
PCM谦件
A9
A10'
视听曲
将该量表发放给20人回答,假设回收后的原始数据如表6-28所示。
韻d際务趙Jg
、、更目
AI
A3
A7
AID
0L
\\
i
I
02
03
A
)
04
斗
05
气
07
4—
°
06
t
0P
-■1
日
]
10
U
12
13
S
岂
M
3「
\2
15
目
16
17
51
18
19
(5
(3
20
操作步骤:
1.录入数据
定义变量“A1”“A2'
、“A3'
、“A5'
、“A6'
、“A7'
、“A8‘、“A9'
、“A10‘,并按照表输入数
据,如图6-33所示。
2.因素分析
(1)选择“AnalyzeDataReductionFactor命令,弹出“FactorAnalyze对话框,将变量“A1”到“A10'
选入“Variables框中,如图6-34所示。
(2)设置描述性统计量
单击图6-34对话框中的“Descriptives•按钮,弹出“FactorAnalyze:
Descriptives(因素分析:
描述性统计量)对话框,如图6-35所示。
FactorAnalyte'
Descriptives(因畫分祈:
描述性统计量)对话框
1“Statistics(统计量)对话框
A“Univariatedescriptives(单变量描述性统计量):
显示每一题项的平均数、标准差。
B“Initialsolution(未转轴之统计量):
显示因素分析未转轴前之共同性、特征值、变异数百
分比及累积百分比。
2“CorrelationMatric(相关矩阵)选项框
AaCoefficients(系数):
显示题项的相关矩阵
B“Significancelevels(显著水准):
求出前述相关矩阵地显著水准。
C“Determinant(行列式):
求出前述相关矩阵地行列式值。
D“KMOandBartlett'
stestofsphericityKMO"
与Bartlett的球形检定):
显示KMO抽样适
当性参数与Bartlett'
的球形检定。
E“Inverse”到数模式):
求出相关矩阵的反矩阵。
F“Reproduced”重制的):
显示重制相关矩阵,上三角形矩阵代表残差值;
而主对角线及下
三角形代表相关系数。
G“Ant-image"
(反映像):
求出反映像的共变量及相关矩阵。
在本例中,选择“initialsolution与“”MOandBartlett'
stestofspheric二项,单击“Continue
按钮确定。
(3)设置对因素的抽取选项
单击图6-34对话框中的aExtraction•按钮,弹出“FactorAnalyze:
Extraction(因素分析:
抽
恥对话框,如图6-36所示。
FactorAnalysis:
Ewitraction
e!
06^36FMt*ir因案井新:
體BP,对话曲
1“Method'
(方法)选项框:
下拉式选项内有其中抽取因素的方法:
A“Principalcomponents法'
主成份分析法抽取因素,此为SPSS默认方法。
B“Unweightedleastsquares法:
:
未加权最小平方法。
C“Generalizedleastsquare法:
一般化最小平方法。
D“Maximumlikelihood法:
最大概似法。
E“Principalaxisfactoring法'
主轴法。
F“Alphafactoring法:
"
a因素抽取法。
GaImagefactoring法:
映像因素抽取法。
2“Analyze"
(分析)选项框
AaCorrelationmatrix(相关矩阵):
以相关矩阵来抽取因素
B“Covariancematrix(共变异数矩阵):
以共变量矩阵来抽取因素。
3“Display(显示)选项框
A“Unrotatedfactorsolution(未旋转因子解):
显示未转轴时因素负荷量、特征值及共同性。
B“Screeplot(陡坡图):
显示陡坡图。
4“Extract(抽取)选项框
A“Eigenvaluesover(特征值):
后面的空格默认为1,表示因素抽取时,只抽取特征值大于
1者,使用者可随意输入0至变量总数之间的值。
B“Numberoffactors(因子个数):
选取此项时,后面的空格内输入限定的因素个数。
在本例中,设置因素抽取方法为“Principalcomponents,选取“Correlationmatrix、“Unrotated
f