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。
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，
升级会员 