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
升级会员 