SPSS简单数据分析文档格式.docx

1、各问题之间的相关系数矩阵问题A1与问题A2之间的相关系数为.625的显著性水平为.000问题A1与问题A2之间的相关系数为.625如果相关矩阵中的相关系数大都小于 0.3 ，而且未达到显著性水平，则说明变量间的相关性普遍较低，它们存在潜在共同因子的可能性较小，就不再适合于做因子分析；如果相关系数都较大，则进一步通过KMO和巴特莱球形检验分析。KMO检验结果为.960=0.5，巴特莱球形检验结果sig.=0.000，差异显著，说明此两项检验都表明此观测数据适合做因子分析。提取因子之后，即后面提取的4个因子，4个因子可以解释问题A1 60.2%的变异没有提取因子之前，即还是用25个因子，25个因子

2、可以解释问题A1所有的变异CommunalitiesInitialExtractionA11.000.602A2.556A3.658A4.699A5.686A6.479A7.639A8.632A9.449A10.618A11.579A12.527A13.494A14.609A15.486A16.455A17.583A18.616A19A20.603A21.536A22.620A23.464A24.558A25.597Extraction Method: Principal Component Analysis.Total Variance Explained解说总变异量：因子的特征值（eige

3、nvalue）须大于1，方决定选取之成份。ComponentInitial Eigenvalues最初的特征值Extraction Sums of Squared Loadings提取后的平方和负荷量Rotation Sums of Squared Loadings旋转后的平方和负荷量Total特征值% of Variance此因子对全部观测数据变异的解释量Cumulative %累计变异解释量提取因子后因子1的特征值，而小于1的因子425则被去掉因子1的特征值111.22144.8835.64222.56821.7236.89351.7764.41317.65140.22031.4095.6

4、3757.4144.29817.194因子1能解释全部观测数据变异的44.883%4.9463.78461.1985.8273.30864.5066.7402.96167.4677.6612.64470.1118.6492.59672.707因子1和2共能解释全部观测数据变异的51.776%9.6082.43175.13910.5772.30977.44811.5302.12279.56912.5082.03381.60313.4811.92483.52614.4461.78285.30815.4281.71387.02216.4041.61588.63617.3851.54090.17618

5、.3611.44391.61919.3441.37492.99320.3321.32794.32021.3281.31295.63222.3111.24396.87523.2771.10897.98324.2681.07099.05325.237.947100.000旋转后的成分（因子）矩阵Rotated Component Matrixa.760.081.133.732.205.199.717.160.315.702.125.137.697.233.207.681.324.252.617.236.346.369.286.476.452.182.469.439.269.053.758.028.

6、218.713.044.078.630.229.292.593.408.275.574.209.263.551.497.223.525.459.451.523.373.424.179.789.211.186.788.355.181.707.230.382.442.517.484.071.489 Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a. Rotation converged in 5 iterations.经最大变异数转轴法旋转后，取因素负荷量（factor loadin

7、g）绝对值大于0.5（或0.6）者，因素负荷量为变量所属因素间之相关。此处因在0.5-0.6间的问题（即变量）太多，如果都删除，问卷题项会变得太少，因此，我们选大于0.5为标准。所以，我们删除A23 、A15、A13、A6四个问题。然后再进行一次因子分析。除了将A23 、A15、A13、A6四个问题拿出来不进行因子分析外，其他步骤如上，结果发现A18又变得小于0.5。.771.149.042.738.177.294.164.158.098.683.258.314.626.360.192.619.322.330.795.127.227.794.372.134.255.706.266.549.39

8、3.546.388.228.521.467.054.797.070.747.091.265.285.241.573.288.473.524.463.425.475所以，我们进一步删除A18后再进行一次因子分析。除了将A23 、A15、A18、A13、A6五个问题拿出来不进行因子分析外，其他步骤如上，结果发现剩下的问题都满足大于0.5的条件。.772.148.040.221.720.296.167.712.093.705.232.195.684.317.628.362.193.325.188.796.126.135.256.708.374.129.267.554.491.366.231.526.

9、457.077.061.806.082.750.096.270.633.246.569.513至此，我们把问题A23 、A15、A18、A13、A6排除后，剩下的问题保留在量表中，效度分析结束，我们可以报告说，所有问题的因子负荷值都大于0.5。六、信度分析：使用内部一致性系数（克隆巴赫）一般来说，问卷（或一个问卷因素，本例中偏差行为问卷只有一个因素，就是偏差行为的严重程度，有的问卷可能包括若干因素，例如16pf就是16个因素，则是看每个因素的Alpha系数）Alpha系数（上图中.9040）大于0.80是比较满意的，而大于0.70是可以接受的，那么问卷中的每一题目都可以保留。如果连0.70都达不到，就要看每个题目的被删除后Alpha的变化情况，就是 ，把那些题目被删除后Alpha值会大大提高的题目逐个删除，直到总体Alpha达到0.80或0.70。记住一定要逐一删除，因为只要一个题目变化了，整个结果都会随之变化。至此，一个信效度较好的问卷就产生了，我们可以放心地进行正式使用，再收集数据，再进行描述统计或推论统计，所得结果就比较可靠了。