利用SPSS进行量表分析Word格式.docx
《利用SPSS进行量表分析Word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Word格式.docx(21页珍藏版)》请在冰点文库上搜索。
![利用SPSS进行量表分析Word格式.docx](https://file1.bingdoc.com/fileroot1/2023-5/1/aba9a033-af94-427b-9239-cf6036383f54/aba9a033-af94-427b-9239-cf6036383f541.gif)
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)
i—
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。
舉6-27运J8学时朝躍拽氐庚働了解和便用
1
2
3
4
5
电脑
&
录音更帝
A3
录惊带
刪上资料
A5
極园网感丙持网
电孑邮絆:
抑
电子讨论网
A8
CAI谭件厂
阳
AI0
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。
目
Al
A2
A7
A&
A9
A10
oin
S
I
021
]
7
21
J:
03
04
05
斗
+
06
丄
C7
1「
0®
s
J
[1
0P
)0
A
耳
11
12
14「
3「
\2
2「
15
$
U
n
IE
L
)91
51
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。
图&
-35FactorAnilyis:
D«
scripti(鬥柔兮析;
描述性统计量)祠话1E
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。
KMO
D“KMOandBartlett'
stestofsphericity”(KMO与Bartlett的球形检定):
显示
抽样适当性参数与Bartlett'
s的球形检定。
E“Inverse"
(倒数模式):
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“Anti-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“KMOandBartlett'
stestofsphericity
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“Extraction…”按钮,弹出“FactorAnalyze:
Extraction"
(因
素分析:
抽取)对话框,如图6-36所示。
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“Principal-axisfactoring”法:
主轴法。
F“Alphafactoring”法:
a因素抽取法。
GaImagefactoring"
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
“Unrotatedfactorsolution"
Principalcomponents”选项,在抽取因素时限定在特征值大于1者,即SPSS的默认选项。
单击“Continue”按钮确定。
(4)设置因素转轴
单击图6-34对话框中的“Rotation…”按钮,弹出“FactorAnalyze:
Rotation”(因素分
析:
旋转)对话框,如图6-37所示。
图FactorAnalyz*RotitionC因素分祈;
谨转)对话fll
(方法)选项方框内六种因素转轴方法:
A“None:
不需要转轴
B"
Varimax”:
最大变异法,属正交转轴法之一。
C"
Quartimax”:
四次方最大值法,属正交转轴法之一。
D“EquamaX:
相等最大值法,属正交转轴法之一。
E"
DirectOblimin”:
直接斜交转轴法,属斜交转轴法之一。
F“PromaX'
:
Promax转轴法,属斜交转轴法之一。
2“Display”(显示)选项框:
A“Rotatedsolution”(转轴后的解):
显示转轴后的相关信息,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“Loadingplots”(因子负荷量):
绘出因素的散步图。
3“MaximumIterationsforConvergence”:
转轴时之行的叠代最多次数,后面默认得数
字为25,表示算法之行转轴时,执行步骤的次数上限。
在本例中,选择“Varimax”、"
Rotatedsolution”二项。
研究者要选择“Rotated
solution”选项,才能显示转轴后的相关信息。
单击图6-34对话框中的“Scores…”按钮,弹出“FactorAnalyze:
FactorScores”(因素
分析:
因素分数)对话框,如图6-38所示。
El&
-36FacLortnalyieFactor5cor&
e(园素分桁二因衰分数)对话魁
①“Saveasvariable"
(因素存储变量)框
勾选时可将新建立的因素分数存储至数据文件中,并产生新的变量名称(默认为fact_1、fact_2、fact_3、fact_4等)。
在“Method'
框中表示计算因素分数的方法有三种:
AaRegression"
:
使用回归法。
B“Bartlett”:
使用Bartlette法
C“Anderson-Robin”:
使用Anderson-Robin法
(显示因素分数系数矩阵)选项
②“Displayfactorcoefficientmatrix
勾选时可显示因数分数系数矩阵
在本例中,取默认值。
(6)设置因素分析的选项
单击图6-34对话框中的“Options…”按钮,弹出“FactorAnalyze:
Options”(因素分析:
选项)对话框,如图6-39所示。
6-30Factor:
Opt.ion:
(困素分析:
选项)对话HI
①“MissingValues”(遗漏值)选项框:
遗漏值的处理方式。
A“Excludecaseslistwise”(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“Excludecasespairwise”(成对方式排除):
在成对相关分析中出现遗漏值得观察值舍弃。
C“Replacewithmean”(用平均数置换):
以变量平均值取代遗漏值。
②“CoefficientDisplayFormat"
(系数显示格式)选项框:
因素负荷量出现的格式。
A"
Sortedbysize"
(依据因素负荷量排序):
根据每一因素层面的因素负荷量的大小排序。
Suppressabsolutevalueslessthan"
(绝对值舍弃的下限):
因素负荷量小于后面
数字者不被显示,默认的值为。
在本例中,选择“Excludecaseslistwise"
、“Sortedbysize”二项,并勾选“Suppressabsolutevalueslessthan"
,其后空格内的数字不用修改,默认为。
如果研究者要呈现所有因
素负荷量,就不用选取“Suppressabsolutevalueslessthan”选项。
在例题中为了让研究者
明白此项的意义,才勾选了此项,正式的研究中应呈现题项完整的因素负荷量较为适宜。
单击
"
Continue”按钮确定。
设置完所有的选项后,单击“0K按钮,输岀结果。
3.结果分析
(1)KMC及Bartlett'
检验
KMOandBartlett'
sTest
kai;
er-Me/er-CkinMeasureofSamplingAdequacy.
35
Bartlett'
sTestof
Approx.Chi-Square
234.438
Sphericity
dr
45
Sig.
.000
40KMO及Eutletf检脸结果
KMO是Kaiser-Meyer-Olkin的取样适当性量数,当KMO直愈大时,表示变量间的共同因素愈多,愈适合进行因素分析,根据专家Kaiser(1974)观点,如果KMO勺值小于时,较不宜进行因素分析,此处的kmO值为,表示适合因素分析。
此外,从Bartlett'
s球形检验的值为,自由度为45,达到显著,代表母群体的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,显示因素间的共同性结果。
Communalities
Initial
Extraction
41
1.000
9281
.736
忙
OT
A.4
.672
AS
901
Afi
.G&
?
19
565
MO
9?
9
ExtractionMethod:
PrincipalComponentAnalysis.
图仏飢因隶间的扶同性结果
共同性中显示抽取方法威主成份分析法,最右边一栏为题项的共同性。
(3)陡坡图
如图6-42所示,显示因素的陡坡图
ScreePict
ComponentNumber
S6-42囲素的陡坡图
3个因素较为适宜
从陡坡图中,可以看岀从第三个因素以后,坡线甚为平坦,因而以保留
(4)整体解释的变异数一一未转轴前的数据
Corrrioner
-*FiKlwnSum?
』&
qu4»
d1口&
4济
讪it亦百5氏dFSquwcdLchidingv
6c*Warc
ZunnJ4l:
rvt%
Totil
V4ri«
ncc:
uZliv*
7C*jJ
trfVjri<
ic!
LrUtbm%
刘邓
63-STI
舐卿
«
?
J8SS
43鼻畔
1547
KA7
KM
734H&
3.137
75;
F7
1血
MU»
•WU
1432
)D3»
Mil
I4JM
刪
44«
l
非曲
2?
WJP
勒
册
.110
1.144
99JOS
(JKE-Oi
机耳
mn
3MEO2
J17
L0
Ji:
EC?
4*3顾1+3PggMV卯X如X.
劇6心耒刊S6疏慕仿博拄的走昴計
从图中可以看岀,左边10个成份因素的特征值总和等于10。
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*10%。
将左边10个成份的特征值大于1的列于右边。
特征值大于1的共有三个,这也是因素分析时
所抽岀的共同因素数。
由于特征值是由大到小排列,所以第一个共同因素的解释变异量通常是最
大者,其次是第二个,再是第三个。
转轴后的特征值为、、,解释变异量为%、%、%,累积的解释变异量为%、%、%。
转轴后的特征值不同于转轴前的特征值。
(5)未转轴的因素矩阵
ComponentMatrix^
Component
.102
A4
922
H5
A1
-.243
.887
-.194
.287
A6
.974
-.20&
.245
S23
47斗
-.129
.813
.401
-.377
.753
495
-.358
-.574
605
206
1G4
.633
.687
PrinepalComporentAnalysis.
5.3匚ompanenhextracted.
閹&
44未转轴的困索矩阵
从图中可以看岀,有3个因素被抽取,并且因素负荷量小鱼的未被显示。
(6)转轴后的因素矩阵
如图6-45所示,显示了转轴后的因素矩阵
RotatedComponentMatrix4
Cornponent
Li
.266
—-.141
.271
-.107
■匸
.448
-.147
耳」
498
.237
哉却
.308
A?
^17
■開*
-.557
•英2
PrincipalComptinentAna1^5is.
RotationMethod:
withKaeerNormali2^tlon.
a.Rotation匚onvergedin5iterations.
从图中可以看出A1、A8、A6、A5A4为因素一,A10、A9A7为因素二,A3、A2为因素三
题项在其所属的因素层面顺序是按照因素负荷量的高低排列。
(7)因素转换矩阵
如图6-46所示,显示了因素转换矩阵。
它是在“FactorAnalysis:
Rotation”对话框中
Display"
选项框中选择“RotatedSolution"
选项框以后生成该表。
Componentrr^sformationMatrix
2|
3|
.78&
595
-.1&
-.34S
.545
.530
・5山
-.^78
715
PrincipalComporentAnalysis.RotdtionMethod:
VarimaxwithKdiserNurrnali^dtion,
圏鼻纳因素转换矩降
4.结果说明
根据因素的特征值和旋转后的因素矩阵,采用了主成份分析法抽取岀3个因素作为共同因素,
并使用因素转轴方法中的Varimax最大变异法,