文档介绍：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,,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,,。通常认为,如果研究者编制的量表的信度过低,,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:
(1)所有的唯一因素彼此间没有相关;
(2)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,可能有相关或可能皆没有相关。在直交转轴状态下,所有的共同因素间彼此没有相关;在斜交转轴情况下,所有的共同因素间彼此就有相关。因素分析最常用的理论模式如下:

 其中
(1)为第i个变量的标准化分数。
(2)Fm为共同因素。
(3)m为所有变量共同因素的数目。
(4)为变量的唯一因素
(5)为因素负荷量。
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。
   
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。
操作