利用SPSS进行量表分析报告.docx

1、利用SPSS进行量表分析报告第五节 利用SPSS进行量表分析 在第五章调查研究中，我们介绍了量表得类型、编制得步骤及其应用,在本节将介绍利用PS软件对量表进行处理分析。 在获取原始数据后，我们利用PS对量表可以作出三种分析，即项目分析、因素分析与信度分析。项目分析,目得就是找出未达显著水准得题项并把它删除。它就是通过将获得得原始数据求出量表中题项得临界比率值CR值来作出判断。通常,量表得制作就是要经过专家得设计与审查,因此,题项一般均具有鉴别度,能够鉴别不同受试者得反应程度。故往往在量表处理中可以省去这一步。 因素分析,目得就是在多变量系统中,把多个很难解释,而彼此有关得变量,转化成少数有概念

2、化意义而彼此独立性大得因素,从而分析多个因素得关系。在具体应用时,大多数采用“主成份因素分析”法,它就是因素分析中最常使用得方法。信度分析,目得就是对量表得可靠性与有效性进行检验。如果一个量表得信度愈高,代表量表愈稳定。也就表示受试者在不同时间测量得分得一致性,因而又称“稳定系数”。根据不同专家得观点,量表得信度系数如果在0、9以上,表示量表得信度甚佳。但就是对于可接受得最小信度系数值就是多少,许多专家得瞧法也不一致,有些专家定为0、8以上,也有得专家定位0、7以上。通常认为,如果研究者编制得量表得信度过低,如在0、6以下,应以重新编制较为适宜。 在本节中,主要介绍利用S软件对量表进行因素分析

3、。 一、因素分析基本原理 因素分析就是通过求出量表得“结构效度”来对量表中因素关系作出判断。在多变量关系中,变量间线性组合对表现或解释每个层面变异数非常有用，主成份分析主要目得即在此。变量得第一个线性组合可以解释最大得变异量，排除前述层次,第二个线性组合可以解释次大得变异量，最后一个成份所能解释总变异量得部份会较少.主成份数据分析中,以较少成份解释原始变量变异量较大部份。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”。因素分析就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。共同因素得数目会比指针数(原始

4、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）所有得唯一因素彼此间没有相关; (）所有得唯一因素与所有得共同因素间也没有相关. 至于所有共同因素间彼此得关系，可能有相关或可能皆没有相关。在直交转轴状态下，所有得共同因素间彼此没有相关;在斜交转轴情况下,所有得共同因素间彼此就有相关.因素分析最常用得理论模式如下： 其中 （1)为第i个变量得标准化分数。 (2)为共同因素。 （3)为所有变量共同因素得数目. (4）为变量得唯一因素 （5）为因素负荷量。 因素分析得理想情况，在于个别因素负荷量不就是很大就就是很小,这

5、样每个变量才能与较少得共同因素产生密切关联，如果想要以最少得共同因素数来解释变量间得关系程度,则彼此间或与共同因素间就不能有关联存在.-所谓得因素负荷量,就是因素结构中原始变量与因素分析时抽取出共同因素得相关。 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,就就是每个变量在每个共同因素之负荷量得平方总与(一横列中所有因素负荷量得平方与),也就就是个别变量可以被共同因素解释得变异量百分比,这个值就是个别变量与共同因素间多元相关得平方。从共同性得大小可以判断这个原始变量与共同因素间之关系程度.而各变量得唯一因素大小就就是1减掉该变量共同性得值.(在主成份分析中，有多

6、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,就是每个变量在某一共同因素之因素负荷量得平方总与(一直行所有因素负荷量得平方与)。在因素分析得共同因素抽取中,特征值最大得共同因素会最先被抽取，其次就是次大者,最后抽取得共同因素得特征值最小，通常会接近0（在主成份分析中,有几个题项，便有几个成份，因而特征值得总与刚好等于变量得总数)。将每个共同因素得特征值除以总题数,为此共同因素可以解释得变异量，因素分析得目得之一，即在因素结构得简单化,希望以最少得共同因素,能对总变异量作最大得解释，因而抽取得因素愈少愈好，但抽取因素得累积解释得变异量愈大愈好.我们通过一个例子说

7、明如何利用PSS软件对量表进行分析。 二、利用PSS对量表进行因素分析 【例6-】现要对远程学习者对教育技术资源得了解与使用情况进行了解,设计一个里克特量表，如表2所示. 将该量表发放给20人回答，假设回收后得原始数据如表6所示。 操作步骤： 录入数据 定义变量“1”、“A2”、“A3”、“5”、“A、“A7”、“A8”、“9、“A10,并按照表 输入数据，如图-3所示。 因素分析 (1）选择“AnalyzeDt euctionFact”命令,弹出“actor nalyze”对话框,将变量“1”到“A0选入“Vriales框中,如图34所示. (2)设置描述性统计量 单击图63对话框中得“ec

8、riptives按钮，弹出“Fato Anlyz：Descriptives（因素分析：描述性统计量)对话框，如图6-3所示。 “Satisics（统计量)对话框 A“Univarate dcriptivs”(单变量描述性统计量）：显示每一题项得平均数、标准差. B “Initialsolt”(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。 “CorrelationMtric”（相关矩阵）选项框 A “Ceffcient(系数):显示题项得相关矩阵B“Signifianceevel”(显著水准):求出前述相关矩阵地显著水准。 C “Detern”(行列式)：求

9、出前述相关矩阵地行列式值。 D “K and Bartletts e of shericity”(MO与Bartt得球形检定）：显示M抽样适当性参数与Brtlets得球形检定。 E“Iners”(倒数模式）：求出相关矩阵得反矩阵. F“erced”（重制得)：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“Antiiage”(反映像):求出反映像得共变量及相关矩阵。 在本例中,选择“ntia solution”与“K nd Btlts test f sheicit”二项,单击“Continue按钮确定。 （3)设置对因素得抽取选项 单击图6-对话框中得“Ext

10、raction”按钮,弹出“Factor nalye：Extracton”（因素分析：抽取）对话框,如图6-3所示。 “ehd”(方法)选项框:下拉式选项内有其中抽取因素得方法: A“Principl pnents”法：主成份分析法抽取因素,此为SPSS默认方法. “Unwightedlt qars法：未加权最小平方法。 C “eneralizedlst squre法：一般化最小平方法。D “Maimumlielhoo”法:最大概似法。 E “incpalaxis fctoring”法:主轴法。 F “Alha ftoring法：因素抽取法。G “Imaefatoig”法：映像因素抽取法. “

11、Anyze”(分析)选项框 A “Correlation maix(相关矩阵):以相关矩阵来抽取因素 “variance tix”（共变异数矩阵):以共变量矩阵来抽取因素。 “Displ”（显示）选项框 A “roatedfactr sltio”(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 “Scree plot”（陡坡图）:显示陡坡图。 “Etra”(抽取)选项框 A “Eigenve ver”(特征值）:后面得空格默认为，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至变量总数之间得值。 “berof facts”（因子个数)：选取此项时,后面得空格内输入限定得

12、因素个数。在本例中，设置因素抽取方法为“Pricpal ponent”，选取“oelation at、“notaed actor soutin”、“Prcpal pnents”选项,在抽取因素时限定在特征值大于1者，即PS得默认选项。单击“Contine”按钮确定. （4)设置因素转轴 单击图634对话框中得“taton按钮，弹出“Factr Analyz：Rottn”(因素分析:旋转）对话框，如图6-37所示。 “Metho”（方法)选项方框内六种因素转轴方法: A “Ne”：不需要转轴 B “Varimax:最大变异法,属正交转轴法之一。 C “Quarimax”:四次方最大值法,属正交转

13、轴法之一. D“a：相等最大值法，属正交转轴法之一。 E “DiretOblimi”：直接斜交转轴法，属斜交转轴法之一。 F “Pomx”：Poax转轴法,属斜交转轴法之一. “Dsay”(显示）选项框： A “Roate solution”(转轴后得解)：显示转轴后得相关信息,正交转轴显示因素组型矩阵及因素转换矩阵;斜交转轴则显示因素组型、因素结构矩阵与因素相关矩阵。 B“Loadngpots（因子负荷量）：绘出因素得散步图. “Mximum Itertion Convegence”:转轴时之行得叠代最多次数，后面默认得数字为25，表示算法之行转轴时，执行步骤得次数上限。在本例中，选择“Va

14、rimax”、“otad solution”二项.研究者要选择“Roated soltion”选项，才能显示转轴后得相关信息。单击“Cninu按钮确定。 (5)设置因素分数 单击图634对话框中得“Sore”按钮，弹出“FatorAayz:FctorSoes”(因素分析:因素分数）对话框，如图6所示。 “Save as vriable”（因素存储变量）框勾选时可将新建立得因素分数存储至数据文件中，并产生新得变量名称(默认为fact_1、fact2、f_3、fc4等）。在“ethd框中表示计算因素分数得方法有三种: “resi”:使用回归法。B “Bartlet”:使用lete法 C “Ande

15、rsonRbi”：使用AneonRob法。 “Dipayftor coefficietmtrix”(显示因素分数系数矩阵)选项 勾选时可显示因数分数系数矩阵。 在本例中，取默认值。单击“oninue”按钮确定。（6）设置因素分析得选项单击图6-3对话框中得“pions”按钮,弹出“Faco Analyze:Opns”(因素分析：选项)对话框，如图69所示。 “Missn Vlues（遗漏值)选项框:遗漏值得处理方式。 “Exclu ses listwise”(完全排除遗漏值):观察值在所有变量中没有遗漏值者才加以分析。B “Excude cses pairwise(成对方式排除)：在成对相关分

16、析中出现遗漏值得观察值舍弃. C “Repace wi mean”(用平均数置换）：以变量平均值取代遗漏值。 “Cfficie il Forma”(系数显示格式)选项框:因素负荷量出现得格式。 “orte by ize”（依据因素负荷量排序）:根据每一因素层面得因素负荷量得大小排序。 B “uppre absute lues les thn(绝对值舍弃得下限):因素负荷量小于后面数字者不被显示,默认得值为0、1。 在本例中,选择“Exclud ase lstwise”、“Srtey size”二项，并勾选“Suppressasolutvalus ess ha”,其后空格内得数字不用修改，默认为

17、0、1。如果研究者要呈现所有因素负荷量,就不用选取“Sr bslte valusless tan选项。在例题中为了让研究者明白此项得意义，才勾选了此项,正式得研究中应呈现题项完整得因素负荷量较为适宜。单击“Contue按钮确定。 设置完所有得选项后，单击“OK”按钮，输出结果。 结果分析 (）KMO及Baet检验 如图6-40所示，显示KMO及Brtet检验结果。 K就是Kaer-MeyerOli得取样适当性量数，当KO值愈大时，表示变量间得共同因素愈多，愈适合进行因素分析,根据专家Kisr（974）观点,如果KM得值小于0、时，较不宜进行因素分析,此处得KMO值为0、95,表示适合因素分析。

18、 此外,从rtlett球形检验得值为24、438，自由度为5,达到显著，代表母群体得相关矩阵间有共同因素存在，适合进行因素分析。 （2）共同性 如图6-41所示，显示因素间得共同性结果. 共同性中显示抽取方法威主成份分析法，最右边一栏为题项得共同性.(3)陡坡图如图-4所示,显示因素得陡坡图. 从陡坡图中,可以瞧出从第三个因素以后，坡线甚为平坦,因而以保留3个因素较为适宜。（）整体解释得变异数-未转轴前得数据 如图643所示，显示得就是未转轴前整体解释得变异数。 从图中可以瞧出，左边0个成份因素得特征值总与等于0。解释变异量为特征值除以题项数，如第一个特征值得解释变异量为6、35810 3、5

19、79。将左边10个成份得特征值大于1得列于右边。特征值大于1得共有三个，这也就是因素分析时所抽出得共同因素数.由于特征值就是由大到小排列,所以第一个共同因素得解释变异量通常就是最大者，其次就是第二个1、4,再就是第三个1、032。 转轴后得特征值为4、38、3、17、1、411,解释变异量为43、88%、31、37、14、10%,累积得解释变异量为3、885、75、25%、9、366%.转轴后得特征值不同于转轴前得特征值。 （5)未转轴得因素矩阵 如图6-44所示，显示得就是未转轴得因素矩阵.从图中可以瞧出，有3个因素被抽取，并且因素负荷量小鱼0、得未被显示. （6)转轴后得因素矩阵 如图45

20、所示,显示了转轴后得因素矩阵. 从图中可以瞧出1、A8、A6、A5、A为因素一，、A、7为因素二,A3、A2为因素三.题项在其所属得因素层面顺序就是按照因素负荷量得高低排列。 ()因素转换矩阵如图66所示，显示了因素转换矩阵.它就是在“Facor Analys：Raton”对话框中“ispla”选项框中选择“Rotaed Soluo”选项框以后生成该表。 结果说明根据因素得特征值与旋转后得因素矩阵，采用了主成份分析法抽取出个因素作为共同因素,并使用因素转轴方法中得Vaax最大变异法，转轴后去掉了因素负荷量小于0、1得得系数，按照从大到小得顺序进行排列，使得变量与因素得关系豁然明了。对其作如表629 所示得因素分析摘要表。 转轴后得特征值为、9、3、137、1、411，解释变异量为43、8、31、372、1、0,累积得解释变异量为、885、75、27%、89、36%。转轴后得特征值不同于转轴前得特征值.