spss 效度分析

《spss 效度分析》由会员分享，可在线阅读，更多相关《spss 效度分析（7页珍藏版）》请在金锄头文库上搜索。

1、SPSSAU-在线 SPSS 分析软件 效效度分析度分析 效度用于测量题项(定量数据)设计是否合理,通过因子分析(探索性因子分析)方法进行验证;研究人员心中预期着变量与题项 对应关系;进行因子分析后,因子(即变量,使用因子分析时称因子)与题项对应关系;二者预期基本一致时,则说明具有良好效度水平. 正常情况下，效度分析仅仅针对量表数据，非量表题目比如多选，单选性别之类的题目不能进行效度分析。正常情况下，效度分析仅仅针对量表数据，非量表题目比如多选，单选性别之类的题目不能进行效度分析。如果一定想分析效如果一定想分析效 度，建议度，建议可可使用使用内容效度内容效度 ，即用文字详细描述问卷设计的过程，

2、用文字的形式描述清楚问卷 ，即用文字详细描述问卷设计的过程，用文字的形式描述清楚问卷是做什么，有什么用处，为什么是做什么，有什么用处，为什么 合理合理，而且有专家认证，而且有专家认证，这样就说明问卷设计合理有效，这样就说明问卷设计合理有效。 如果用户预期分析项可分为几个方面(变量),则用户可自行设置因子个数（维度个数）,如果不设置,系统会以特征根值大于 1 作为判定标准设定因子个数; 因子与题项对应关系判断因子与题项对应关系判断 假设分析题项为 10 个,预期分为 3 个因子(维度或变量);因子与题项交叉共得到 30 个数字,此 30 个数字称作”因子载荷系 数”(因子载荷系数值表示分析项与因

3、子之间的相关程度);针对每个分析项对应行,则有 3 个”因子载荷系数值”(比如 0.765,- 0.066,0.093),3 个数字绝对值绝对值大于 0.4，如果其对应因子 1，则说明此题项应该划分在因子 1 下面.如下表所示: 因子载荷系数 共同度 因子 1 因子 2 因子 3 分析项 1 0.765 -0.066 0.093 0.598 分析项 2 0.676 0.081 -0.017 0.464 分析项 3 0.657 0.207 -0.205 0.517 分析项 4 0.645 0.271 0.089 0.497 分析项 5 0.501 0.457 0.085 0.467 分析项 6

4、0.311 0.697 -0.005 0.583 分析项 7 0.226 -0.669 0.130 0.516 分析项 8 0.191 0.644 0.046 0.453 分析项 9 0.476 -0.187 0.542 0.555 分析项 10 0.001 -0.048 0.968 0.939 特别提示：上表格中“分析项 5”分别对应“因子 1”和“因子 2”时，因子载荷系数值分别是 0.501 和 0.457，说明“分析 项 5”分别与“因子 1”或“因子 2”的关联性都较高（相对来看与“因子 1”更高一点） ，但都比较高，所以“分析项 5”属于 “因子 1”或“因子 2”均可。此类现象属

5、于纠缠不清 。类似上表格中“分析项 9”也属于“纠缠不清” 。针对“纠缠不清” 现象，SPSSAU 建议暂不处理，一般可接受。 还有一类现象叫做“张冠李戴” ，即对应关系出现错误，假设分析 1应该和分析 9 ， 分析 10是同一个维度；明显 的上表格中， 分析项 1放在因子 1下面，但是分析 9 ， 分析 10都放在因子 3下面。说明分析项 1对应错了 位置，本应该在因子 3下面却跑到因子 1下面，因而分析项 1就属于张冠李戴 。针对张冠李戴 ，一定需要将 题目删除重新进行分析。 效度分析对不合理题项进行删除效度分析对不合理题项进行删除 共有三种情况; 第一类:如果分析项的共同度值小于 0.4

6、,则对应分析项应该作删除处理;第二类:某分析项对应的”因子载荷系 数”的绝对值,全部均小于0.4,也需要删除此分析项;第三类:如果某分析项与因子对应关系出现严重偏差,也需要对该分析项进行删 除处理（此现象称作张冠李戴 ）. 效度分析的其余判断指标效度分析的其余判断指标 特征根值(通常使用旋转后,以大于 1 作为标准),方差解释率(意义较小),累积方差解释率(通常使用旋转后,以大于 50%作为标 准),KMO 值(大于 0.6 作为标准),巴特球形值对应的 sig 值(小于 0.01 作为标准). 分析项分析项 效度分析说明效度分析说明 网购满意度四个题项 网购满意度由四个题表示,分别是产品满意

7、度,快递满意度,售后满意度,价格满意度(并且均为 量表数据);此四个题表示网购满意度是否合理科学? SPSSAU-在线 SPSS 分析软件 网购满意度 20 个题项 网购满意度由 20 个题表示,并且可分为四个大方面,每方面与题项均有着对应关系预期;此种 预期与软件出来的结果是否基本一致,如果一致则说明有效.否则需要对题项进行删减处理,删 除不合理题项,保留有效题项. SPSSAU 操作截图如下： （如果专业预期量表题目可分为 5 个维度，则首先设置“维度个数”为 5） SPSSAU-在线 SPSS 分析软件 效度效度分析案例分析案例 Contents 1 背景.3 2 理论.3 3 操作.3

8、 4 SPSSAU 输出结果 .7 5 文字分析 7 6 剖析.7 案例数据下载 http:/ 1 背景背景 当前有一份数据,共涉及 A1A4,B1B4,C1C3,D1D3 共 14 个量表量表题，此 14 个题目共分为 4 个维度，分别称作 A，B，C 和 D 维度。现希望对此份数据效度情况进行分析，如果有不合理题项将其进行删除处理。 2 理论理论 效度是一种概念，其是指研究项（通常比如为问卷量表题目）的设计是否具有科学合理性。通常情况下效度可分为内容效 度和结构效度。内容效度是指研究项的设计具有专业性，结合研究目的进行，专家认可等，即使用文字直接描述研究项为什么 要这样设计，有什么参考依据

9、，或者有什么专业上的意义，内容效度直接用文字详细描述即可。除开内容效度，还可以使用研 究方法进行效度验证，此类效度称做结构效度。 一般情况下， 结构效度是使用因子分析方法进行研究。 使用研究方法去探索研究项的内在逻辑结构， 通常逻辑结构的判断， 最终验证效度水平情况。比如本案例中共有 14 个量表题项，4 个维度，而且 14 个题项与 4 个维度之间均有着专业意义上的对 应关系情况。那么如果使用研究方法即因子分析进行效度分析时，因子分析结果也显示 4 个维度分别与 14 个量表题项的对应关 系，与专业上基本吻合，此时此说明研究方法识别出的逻辑内在结构，与专业意义上的内在逻辑结构有着一致性，此时

10、则说明 数据具有有效性。 如果 14 个量表题项与 4 个维度之间的对应关系情况，与专业知识情况不符合，比如 A1 这个题目被划分到了 C 维度下面， 此时则说明可能 A1 这个题项应该被删除处理，其出现了张冠李戴现象。因而在进行分析时很可能会对部分不合理的题项进行 删除处理。 另单独提示：有时候会出现纠缠不清现象，比如 A1 可归属为 A 维度，同时也可归属到 C 维度，这种情况较为正常（称 作纠缠不清 ） ，需要结合实际情况处理即可，可将 A1 删除，也可不删除，带有一定主观性。效度分析是一个多次重复的过 程，比如删除某个或多个题项后，则需要重新再次分析进行对比选择等。最终目的在于最终目的

11、在于：维度与题项对应关系，与专业知识情：维度与题项对应关系，与专业知识情 况基本吻合况基本吻合。 关于维度(因子)和题项对应关系，维度(因子)和题项之间交叉会得到一个因子载荷系数 ，此系数绝对值大于 0.4，则说明 二者有着较强关联性，该题项可以与该维度(因子)有着对应关系。 3 操作操作 Step1: 第一次分析 本例子中 A1A4,B1B4,C1C3,D1D3 共 14 个量表量表题， 此 14 个题目共分为 4 个维度， 因此在分析前可主动告诉 SPSSAU， 此 14 项是四个维度，否则 SPSSAU 会自动判断多少个维度(通常软件自动判断与实际情况有很大出入，所以建议主动设置维度 个

12、数)。如下图： SPSSAU-在线 SPSS 分析软件 完成后结果如下：完成后结果如下： 从上图中可以看出： A1A4 这 4 项，它们全部对应着因子 3 时，因子载荷系数值均高于 0.4，说明此 4 项应该同属于一个维度，即逻辑上 A1A4 这 4 项，并没有出现张冠李戴现象。但是 A1 和 A2 这两项出现纠缠不清现象，A1 和 A2 除了可以对应因子 3，也可以放 在因子 1 下面。一般出现纠缠不清现象时，暂时保留，先处理清楚张冠李戴问题更好。 B1B4 共 4 项，B2,B3,B4 这 3 项对应着因子 1 下面，但是 B1 却对应着因子 2，因此 B1 这项属于张冠李戴，应该将 B1

13、 删 除。B2 同时对应因子 1 和因子 2 均可，属于纠缠不清，暂不处理 B2。 C1C3 共 3 项，此 3 项均对应着因子 2，此 3 项并没有出现纠缠不清或者张冠李戴问题。 D1D3 共 3 项，D3 出现了张冠李戴问题，应该进行删除处理。D2 出现了纠缠不清问题，应该给予关注。 总结上述分析可知：B1 和 D3 这两项出现张冠李戴，应该首先将此两项删除；而 A1，A2，B2，D2 共四项有出现纠缠不 清现象，暂时不处理（进行关注即可） 。将 B1 和 D3 这两项删除后，进行第二次分析。 Step2: 第二次分析 将将 B1 和和 D3 这两项删除后，进行第二次分析。这两项删除后，进

14、行第二次分析。结果如下：结果如下： SPSSAU-在线 SPSS 分析软件 从上图可知： A1 出现张冠李戴现象，应该删除，A2 出现纠缠不清现象，暂不处理，但应该给予关注。 B2B4 共 3 项没有问题 C1C3 共 3 项没有问题 D2 出现纠缠不清现象 总结可知：应该将 A1 先删除后再次进行第 3 次分析，另对 A2 和 D2 这两项给予关注。 Step3: 第三次分析 将 A2 先删除后再次分析结果如下： SPSSAU-在线 SPSS 分析软件 从上表可知：D2 可同时出现在因子 2 和因子 4 下面，但考虑到 D 维度当前仅余下 2 项，因而表示可以接受，A，B，C 和 D 共 4

15、 个维度，它们与题项对应关系良好，与专业情况完全相符。因而最终效度分析结束，总共删除掉 B1，D3 和 A1 共 3 项。 SPSSAU-在线 SPSS 分析软件 4 SPSSAU 输出结果输出结果 将最终处理好的结果作为最终结果，并且进行描述即可，由于中间过程可能会非常多，因而不需要具体报告中间过程表格。 5 文字分析文字分析 使用探索性因子分析进行效度分析，14 个量表题目共分为 4 个维度；在进行第一次分析时发现 B1 和 D3 这两项，它们与维 度对应关系情况，和专业情况不符合（另外一种写法是因子载荷系数值小于 0.4，本应该对应该维度时因子载荷系数大于 0.4， 但是却低于 0.4

16、了） ，因而删除此两项后进行第二次分析，第二次分析时删除掉 A1 这个题项。最终余下 11 个题项，此 11 项与 维度对应关系情况良好，与专业预期相符。并且从上表可知：KMO 值为 0.8760.6，通过巴特球形检验，累积方差解释率值为 78.213%，说明 4 个维度可以提取出大部分题项信息。因而综合说明研究数据具有良好的结构效度水平。 6 剖析剖析 效度分析涉及以下几个关键点，分别如下： 区分张冠李戴和纠缠不清这两种现象； 通常先处理掉张冠李戴现象，然后自然的到后面纠缠不清问题会减少，后续即使有个别纠缠不清现象时，也基 本可以接受。 通常需要首先设置好维度个数，而不是让软件自动识别。 需要来回多次进行对比，找出最佳结果。 同样的样本数据，不同的分析