《《SPSS因子分析》PPT课件》由会员分享，可在线阅读，更多相关《《SPSS因子分析》PPT课件（21页珍藏版）》请在金锄头文库上搜索。
1、PPT模板下载： 行业PPT模板： 节日PPT模板： PPT素材下载： PPT背景图片： PPT图表下载： 优秀PPT下载： PPT教程： Word教程： Excel教程： 资料下载： PPT课件下载： 范文下载： 试卷下载： 教案下载：,结构效度的测定方法 因子分析,SPSS软件应用,吴迪,1,效度的基本概念,01 STEP,因子分析的基本原理,02 STEP,因子分析操作程序,03 STEP,因子分析的报表解释,04 STEP,2,内容 效度,效标关 联效度,指测量量表内容或题项的适当性与代表性，及测验内容能反应所要测量的心理特质，能否测量到所要测验的目的或行为构想，内容效度的检验通常会透
2、过双向细目表，以考查测验内容的效度，内容效度常以题目分布的合理性来判断，属于一种命题的逻辑分析，因而内容效度也称为“逻辑效度”（logical validity）。,指测验与外在效标间关联的程度，如果测验与外在效标间的相关愈高，表示此测验的效标关联效度愈高。,3,结构 效度,专家 效度,指测验能够测量出理论的特质或概念的程度，即实际的测验分数能解释某一心理特质的多少。反映的是工具与其所依据的理论或概念框架间的相结合程度。结构效度分为聚合效度（convergent validity）和判别效度（discriminant validity）。,在研究者根据理论假设编制测验或量表后，如果无法编制双向
3、细目表进行内容效度检验，可以将编制好的量表请相关的学者专家加以审查并提供修正意见，研究者再根据专家学者的意见进行修正。,4,以三个变量抽取二个共同因子为例,系数aji为第个i变量与第k个因子之间的线性相关系数，反映变量与因子之间的相关程度，也称为载荷(loading)。由于因子出现在每个原始变量与因子的线性组合中，因此也称为公因子。,Uj为特殊因子，代表公因子以外的因素影响,5,计算变量间的相关矩阵或协方差矩阵,估计因素负荷量,转轴方法,决定因素与命名,01,02,03,04,因子分析的主要步骤,6,01,计算变量间的相关矩阵或协方差矩阵,如果一个变量与其它变量间相关很低，在下一个分析步骤中可
4、以考虑剔除此变量，还要考量到变量的“共同性”（communality）与“因子负荷量”（factor loadings）。,若相关矩阵中的大部分相关系数小于0.3，则不适合作因子分析。,7,02,估计因素负荷量,决定因子抽取的方法，有主成分分析法、主轴法、一般化最小二乘法、未加权最小二乘法、极大似然法、Alpha因子抽取法与映象因子抽取法。,最常使用者为主成分分析法与主轴法，研究者应多采用主成分分析法来估计因子负荷量。,8,转轴方法,因子旋转的目的是为了便于理解和解释因子的实际意义,主要有两种方式:正交旋转(Orthogonal rotation) 和斜交旋转(Oblique rotation
5、),03,转轴后，每个公因子的特征值会改变，与转轴前不一样，但每个变量的共同性不会改变。,9,04,决定因子与命名,转轴后，要决定因子数量，选取较少因子层面，获得较大的解释量。,主成分资料分析中，以较少成分解释原始变量变异量的较大部分。成分变异量通常以“特征值”（eigenvalues）表示，有时也称“特性本质”（characteristic roots）或“潜在本质”（latent roots）。,10,Factor Analysis,适用条件,KMO统计量： 取值范围在0 1之间 Bartletts球形检验,11,PPT模板下载： 行业PPT模板： 节日PPT模板： PPT素材下载： PP
6、T背景图片： PPT图表下载： 优秀PPT下载： PPT教程： Word教程： Excel教程： 资料下载： PPT课件下载： 范文下载： 试卷下载： 教案下载：,0.5以下，非常不适合进行因子分析,0.9以上,0.8以上,0.7以上,0.6以上,0.5以上,KMO统计量值,因素分析 适合性,B,极适合进行因子分析,适合进行因子分析,尚可进行因子分析,勉强可进行因子分析,不适合进行因子分析,12,Click here to add your text,因子分析操作程序与报表解释,Analyze Data Reduction Factor Analysis variables,13,01,02,
7、03,04,Descriptive（描述性统计分析）: (1)Statistics（统计量） (2)Correlation Matrix（相关性矩阵）,平均数、标准差,未转轴之统计量,KMO和Bartletts的球形检验,在“Factor Analysis : Descriptives”对话框中，选取“Initial solution”、“KMO and Bartlets test of sphericity”二项，单击“Continue”按钮。,01,02,Step 2,03,04,14,报表解释,15,Principal components主成份分法 Unweighted least s
8、quares未加权最小平方法 Generalized least squares一般化最小平方法 Maximum likehood最大概似法,Principal-axis factoring主轴法 Alpha factoring因素抽取法 Image factoring映象因素抽取法,相关矩阵,协方差距阵,未旋转因子解,陡坡图,特征值,因子个数,在“Factor Analysis:Extraction”对话窗口中，抽取因子方法选择“Principal components”，选取“Correlation matrix”、并勾选“Unrotated factor solution”、Screet
9、 plot”等项，在抽取因子时限定在特征值大于1者，在“Eigenvalue over:”后面的空格内输入1,16,Step 2,报表解释,可见从第三个主成分开始特征根都非常低，该图从另一个侧面说明只需要提取3个主成分即可。,成分矩阵,17,01,02,03,04,Step 1,Step 2,Step 3,Click to add title,Rotation:旋转 (1)Method方法 (2)Display显示 (3)Maximum Iterations for Convergence,最大变异法,转轴后的解,因子负荷量,转轴时执行的迭代最后次数，后面内定数字25（算法执行转轴时，执行步骤
10、的次数上限）,在“Factor Analysis:Rotation”对话窗中，选取“Varimax”、“Rotated solution”等项。研究者要勾选“Rotated solution”选项，才能显示转轴后的相关信息。,18,01,02,03,04,Step 1,Step 2,Step 3,Step 4,Scores:分数 (1)Method 方法 (2)Display factor score coefficient matrix 显示因素分数系数矩阵,Options:选项 (1)Missing Values遗漏值 (2)Coefficient Display Format:系数显示格
11、式,完全排除遗漏值,依据因子负荷量排序,绝对值舍弃之下限,在“Factor Analysis:Options”对话窗口中，勾选“Exclude cases listwise”、“Sorted by size”等项，并勾选“Suppress absolute values less than”选项，正式的论文研究中应呈现题项完整的因子负荷量较为适宜。,19,01,02,03,04,Step 1,Step 2,Step 3,Step 4,20,报表解释,成分转换矩阵,转轴后的成分矩阵,因素负荷量=成分矩阵成分转换矩阵,Q8转轴后的成分矩阵第一共同 因素因子负荷量：0.798,谢谢聆听 Thank You,21,
