量表分析及因子分析.pptVIP

第六章 量表分析及因子分析;本章讲授主要内容;信度分析;折半信度法;;折半信度法;SPSS操作步骤：Analyze=Scale=Reliability Analysis打开对话框;选择输出的统计量；;克朗巴哈 信度系数;各种系数应该多大才能认为该量表的信度较高？ 没有统一的标准！ 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，干脆扔掉，重新编制较为适宜。;输出各题项之间两两相关系数，第11项（爱国情感）和第七项（自豪感）相关程度最高（0.469）;考查项目与量表得分的关系： 若将某一项目从量表中剔除，则量表的平均得分、方差、每个项目得分与剩余各项目得分间 的相关系数（Corrected Item-Total Correlation）、以该项目为自变量所有其他项目为因变量 建立回归方程的R2值（Squared Multiple Correlation）以及Cronbach α值（Alpha if Item Deleted）会是多少？;方差分析表明，F = 70.268，P0.000，即每一题项与各个题项间是相关的。;内部一致性检测又称极端组检测，考察两个极端组得分的平均值。;第一步：Transform-Compute，增加新变量total，计算量表总分；;;;效度分析;;2.难易度和鉴别度;计算某个题项的难易度的公式： 难易度=（PH+PL）2m 其中，m表示高分组或低分组的人数，一般取1/4左右；PH和PL分别为高分组和低分组中通过该题项的人数，即对该题项持肯定、积极态度的人数。;;鉴别度分析;值得注意：无论是难易度还是鉴别度，实际上都是一种相对的概念，它们是针对被调查者而言的。一般取适中的鉴别度。;;因子分析（Fact Analysis）;两个主要应用;因子分析的基本假设，是因子隐含在许多可观察的现实事物的背后。虽然难以直接测量，但是可以从复杂的外在现象中计算、估计。;一般说来，研究者事先对观测数据背后存在多少个因子、因子如何抽取、因子的内容以及变量的分类等一无所知，未有任何事前的假定，而由因子分析的过程来决定。 这种类型的应用称为探索性因子分析（EFA），因子分析的大部分应用都属于这种类型。;有的情况下，研究者根据某些理论或其他先验知识可能对因子的个数或因子的结构作出假设，因子分析也可以用来检验这个假设，作为证实假设的工具，这种类型的应用称为证实性（CFA）因子分析。;探索性因子分析步骤;因子分析的条件 ;因子分析的原理;F1;因子分析的数学原理（相关矩阵）;因子分析中的有关概念; F1 F2 hi2;因子贡献（Contributions）;因子分析的主要步骤：;因子分析的目的是简化数据或者找出基本的数据结构，因此，使用因子分析的前提是观测变量之间应该有较强的相关关系。如果变量之间的相关程度很小的话，他们不可能共享因子。所以，计算出相关矩阵后，应对相关矩阵进行检验，如果相关矩阵的大部分相关系数都小于0.3，则不适合做因子分析。 SPSS提供了三个统计量帮助判断观测数据是否适合做因子分析。;Barlett球形检验呈现显著 表示相关系数足以作为 因子分析抽取之用;;例：生育率的影响因素分析。;;对以上5个变量进行相关分析表明： 多孩率和综合生育率之间存在较强的相关关系，其余的3个变量之间存在着较强的相关关系。;因子抽取的目的在于决定测量变量中，存在着多少个潜在的成分或因子。;因子数的确定;;;解释因子;旋转的方式;;解释因子;SPSS因子分析操作;步骤二： 进入描述统计量对话框，选择所需的统计量。可以得到各题的均值、标准差等。;因子旋转;因子得分;描述统计 各题项的描述统计量，如均值、标准差与个数。本例共有1704名受測者;共同度 显示各题项变异量被公共因子解释的比例。 共同度越高，显示该题项与其他题项可測量的共同特质越多，也就越有影响力。(此例中，以I56影响力最大);解释总变异 说明因子分析所抽取因子能夠解释全体变异量的比例。 以特征值为1做提取标准时，共得到 2个主要因子，分別可以解释41.75%、14.49%的变异量。共計占56.24%;碎石图 用以帮助決定因子的个数，当线型趋于平缓时，表示无特殊因子值得取。;成分矩阵 构成某一因子的题项內容与比重，未经旋转的原始负荷量。 同一个变量