《SPSS进行量表分析》由会员分享，可在线阅读，更多相关《SPSS进行量表分析（15页珍藏版）》请在金锄头文库上搜索。
1、利用SPSS行H表分析2006-9-518:40:12信息来源：生物谷SPS激程2:利用SPSS1行量表分析http:/生物谷网站本节将介绍利用SPSea件对量表进行处理分析。在获取原始数据后，我们利用SPS的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一一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
2、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，因而乂称“稳定系数”。根据不同专家的观点，量表的信度系数如果在0.9以上，表示量表的信度甚佳。但是对丁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，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SPSa件对量表进行因素分析。一
3、、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，变量问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）
4、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问也没有相关。至丁所有共同因素问彼此的关系，可能有相关或可能皆没有相关。在直交转轴状态下，所有的共同因素问彼此没有相关；在斜交转轴情况下，所有的共同因素问彼此就有相关。因素分析最常用的理论模式如下：Z1些血3+国mFm+Ui其中(1) 还为第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) 乌为变量&的唯一因素(5) &为因素负荷量。因素分析的理想情况，在丁个别因素负
5、荷量也不是很大就是很小，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，则而彼此间或与共同因素问就不能有关联存在。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白分比，这个值是个别变量与共同因素问多元相关的平方。从共同性的大小可以判断这个原始变量与共同因素问之关系程度。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
6、中，有多少个原始变量便有多少个成份，所以共同性会等丁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丁变量的总数）。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
7、明如何利用SPS啾件对量表进行分析。二、利用spssM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。裹远担学习者对转商技术瞬了解和使用间fi项从未庾用有时使用.恩是瓯用12345A1电脑录音股带A3录慷带A4阳上检料A5校园俩或因特周电子柱峰A7堰子祥论网A8CAI课件A9颇会议AW曲听会议将该量表发放给20人回答，假设回收后的原始数据如表6-28所示A1A7A3MASA7A8A9A10。1155t1111:102255222121I03433343141I&443444424220544334414110643333
8、4232I074A443324I081S31111I11D9445444241110543$5435331】54344425221254544435h213355222一111H5343332522154553332522644443514I175445545441854423415I11P545555353320$44555252I操作步骤：1.录入数据定义变量“A1”、“逻、“A3、“A5、“A6、“A7、“A8、“A。、“A10,并按照表输入数据，如图6-33所示。*I.I.fl-*4营站#1，*/1?1明433录入罂据;XEccEttrrrlr:OOOCMuttjoooo54455XJ
9、-A*00DoQO-DOsoogntlgoofrlJ4JggmoooooogF%*I413?.斜皿斜m3335355J.I如XIMmoo52Bcooooooommn*31-4I=322.因素分析(1) 选择“AnalyzeDataReductionFactor,”命令，弹出“FactorAnalyze”对话框，将变量“A1”到“A1。选入Variables”框中，如图6-34所示。6-34I虹t姓AtikLy对话框(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
10、6-35所示图6-35FactorAnalyze:DescriptivssC因素分析：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、变异数白分比及累积白分比。 CorrelationMatric”（相关矩阵）选项框ACoefficients”（系数）：显示题项的相关矩阵BSignificancelevels”（显著水准）：求出前述相关矩阵地显著水准。CDeterminant”（行歹U式
11、）：求出前述相关矩阵地行歹U式值。D“KMOandBartlettstestofsphericity”（KMOfBartlett的球形检定）：显示KMG由样适当性参数与Bartletts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“KMOandBartlettstestofsphericity”二项，单击“Continue按钮确定。（3）设置
12、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。国加36Ft*rXhtlyie.因素分析：姑取）对话柢 “Method（方法）选项框：下拉式选项内有其中抽取因素的方法：APrincipalcomponents”法：主成份分析法抽取因素，此为SPSSK认B“Unweightedleastsquares”法：未加权最小平方法。CGeneralizedleastsquare”法：一般化最小平方法。D“Maximumlikelihood”法：最大概似法。E“Principal-ax
13、isfactoring法：主轴法。FAlphafactoring”法：a因素抽取法。G“Imagefactoring”法：映像因素抽取法。 “Analyze”（分析）选项框ACorrelationmatrix”（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AEigenvaluesover”（特征值）：后面的空格默认为1,表示因素抽取时，只抽取特征值大丁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
