文档介绍：该【利用SPSS进行量表分析 】是由【fengruiling】上传分享，文档一共【15】页，该文档可以免费在线阅读，需要了解更多关于【利用SPSS进行量表分析 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。第五节利用SPSS进行量表分析
在第五章调查研究中,我们介绍了量表的类型、编制的步骤及其应用,在本节将介绍利用SPSS软件对量表进行处理分析。
在获取原始数据后,我们利用SPSS对量表可以作出三种分析,即项目分析、因素分析和信度分析。
项目分析,目的是找出未达显著水准的题项并把它删除。它是通过将获得的原始数据求出量表中题项的临界比率值——CR值来作出判断。通常,量表的制作是要经过专家的设计与审查,因此,题项一般均具有鉴别度,能够鉴别不同受试者的反应程度。故往往在量表处理中可以省去这一步。
因素分析,目的是在多变量系统中,把多个很难解释,而彼此有关的变量,转化成少数有概念化意义而彼此独立性大的因素,从而分析多个因素的关系。在具体应用时,大多数采用“主成份因素分析”法,它是因素分析中最常使用的方法。
信度分析,目的是对量表的可靠性与有效性进行检验。如果一个量表的信度愈高,代表量表愈稳定。也就表示受试者在不同时间测量得分的一致性,因而又称“稳定系数"。根据不同专家的观点,,,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,应以重新编制较为适宜.
在本节中,主要介绍利用SPSS软件对量表进行因素分析。
一、因素分析基本原理
因素分析是通过求出量表的“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,主成份分析主要目的即在此。变量的第一个线性组合可以解释最大的变异量,排除前述层次,第二个线性组合可以解释次大的变异量,最后一个成份所能解释总变异量的部份会较少。
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”。共同因素的数目会比指针数(原始变量数)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n个题项数,则会有n个唯一因素•唯一因素性质有两个假定:
所有的唯一因素彼此间没有相关;
所有的唯一因素与所有的共同因素间也没有相关。
至于所有共同因素间彼此的关系,,所有的共同因素间彼此没有相关;在斜交转轴情况下,:
Zl=^iiFi十a迫比十aijFg十…十ainfm十Ui
其中
舀为第i个变量的标准化分数。
Fm为共同因素。
m为所有变量共同因素的数目。
为变量舀的唯一因素
內111为因素负荷量。
且it一.
因素分析的理想情况,在于个别因素负荷量不是很大就是很小,这样每个变量才能与较少的共同因素产生密切关联,如果想要以最少的共同因素数来解释变量间的关系程度,则Ui彼此间或与共同因素间就不能有关联存在。
-所谓的因素负荷量,是因素结构中原始变量与因素分析时抽取出共同因素的相关。 |
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)。
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。
预6-27远谨学刀理对數育技术遗喋的了諒和使用
间题
很少艇
有时使用
经常陡用
2
3
4
5
电舷
A3
录慷带
网上贤料
A5
檢园捣或因特阴
电子輻件
A7
电子讨论画
AS
CAI惧件
A9
视頻会过
AJO
视听缺
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。
競乩葢原姑塾括
Ah
Al
A3
A5
AS
阳
A3
AP
AIO
01
]
5
5
1
]
1
]
1
]
1
02
1
5
5
2
2
2
]
2
1
1
03
4
3
]
3
4
3
j
4
i
L
04
4
3
4
4
4
斗
2
4
2
2
05
A
4
3
3
4
斗
1
4
]
I
站
A
3
3
3
3
斗
2
3
2
1
07
A
A
4
4
3
3
2
4
1
L
Q?
j
5
3
1
1
1
1
j
L
0P
A
冲
5
4
4
4
2
4
1
I
LO
5
A
3
5
5
4
3
5
3
3
11
5
4
3
4
4
4
2
5
2
2
12
5
4
5
4
4
4
3
5
2
2
13
3
5
5
1
2
2
1
3
J
1
14
5
3
冲
m
3
m
2
5
2
2
A
5
5
3
3
3
2
5
2
2
hf
A
4
4
4
3
5
j
4
]
I
17
5
4
4
5
5
5
4
5
4
4
is
5
4
4
2
3
4
]
5
]
1
19
5
斗
5
5
5
5
3
5
3
3
20
5
4
5
3
5
2
5
2
L
操作步骤:
定义变量“Al"、“A2”、“A3”、“A5”、“A6"、“A7”、“A8”、“A9"、“A10”,并按照表输入数
据,如图6—33所示.
■J旦凶
Fdv監dt¥tam<^j£biruni^-ann^ahraa Help
却|厠剽III鼻血搁叮]为|Ell也同嘲刺
®^33录入数据
5
□r
|~^~1
—审一]
1
100
吕co
2
200
«直1
5□□
200
200'
3 7
100
303
IUJ
TS
LOO
ia
300
300
JOO
IIX
:oo
ftOQ
uoo
^00
kOO
300
100
选择“AnalyzeDataReductionFactor..."命令,弹出“FactorAnalyze"对话框,到“A10”选入“Variables”框中,如图6—34所示。
将变量“Al”
E6^34F也ct41*Acialxz电对话框
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。
S6-35FactorAnalyze:DezcriptiveE(因素分斬;描述性统计量)对话框
“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.
“CorrelationMatric”(相关矩阵)选项框
A“Coefficients"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.
D“KMOandBartlett'stestofsphericity”(KMO与Bartlett的球形检定):显示KMO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"二项,单击“Continue”按钮确定.
(3)设置对因素的抽取选项
单击图6一34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。
FartorAnalysis;EHtrarticin
Melhod:
Principalcomponents
Analyze
&Cm唧訓询“mstdx
CCovariancematrix
Display
PUnrotatedfadorsolution
硕Screeplol
-Exiract
FEigenvaluesover;1
r'Numberoffactors:
MaKlmvm krCq^ycrguec斗;|?5
El6-36Jsct&b'血alyH4取li■昭悶索分析匚抽驱"对话梔
“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.
G“Imagefactoring”法:映像因素抽取法.
“Analyze”(分析)选项框
A“Correlationmatrix”(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。
“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。
“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.
閤&37 FictorAnalyre:RotationC因素分祈:症转)对话框
“Method”(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.
“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。
“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'Rotatedsolution”选项,才能显示转轴后的相关信息。单击“Continue"按钮确定。
(5)设置因素分数
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.
6-3BFactorAnalyze:FactorScores(园素分析:因素分数)对话框
“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_l、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:
A“Regression":使用回归法.
B“Bartlett”:使用Bartlette法
C“Anderson—Robin”:使用Anderson-Robin法.
“Displayfactorcoefficientmatrix"(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“Continue”按钮确定.
(6)设置因素分析的选项
单击图6一34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。
6-39FactorAnalyzalOptions(园素分析:选项)对话框
“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。
“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。
B“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0。1。
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,。如果研究者要呈现所有因素负荷量,就不用选取“Suppressabsolutevalueslessthan”,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“OK”按钮,输出结果。
(1)KM0及Bartlett'检验
如图6—40所示,显示KMO及Bartlett'检验结果。