《SPSS因子分析》PPT課件.ppt

PPT模板下載 結構效度的測定方法 因子分析 SPSS軟件應用 吳迪 1 效度的基本概念 01STEP 因子分析的基本原理 02STEP 因子分析操作程序 03STEP 因子分析的報表解釋 04STEP 2 內容效度 效標關聯(lián)效度 指測量量表內容或題項的適當性與代表性 及測驗內容能反應所要測量的心理特質 能否測量到所要測驗的目的或行為構想 內容效度的檢驗通常會透過雙向細目表 以考查測驗內容的效度 內容效度常以題目分布的合理性來判斷 屬于一種命題的邏輯分析 因而內容效度也稱為 邏輯效度 logicalvalidity 指測驗與外在效標間關聯(lián)的程度 如果測驗與外在效標間的相關愈高 表示此測驗的效標關聯(lián)效度愈高 3 結構效度 專家效度 指測驗能夠測量出理論的特質或概念的程度 即實際的測驗分數能解釋某一心理特質的多少 反映的是工具與其所依據的理論或概念框架間的相結合程度 結構效度分為聚合效度 convergentvalidity 和判別效度 discriminantvalidity 在研究者根據理論假設編制測驗或量表后 如果無法編制雙向細目表進行內容效度檢驗 可以將編制好的量表請相關的學者專家加以審查并提供修正意見 研究者再根據專家學者的意見進行修正 4 以三個變量抽取二個共同因子為例 系數aji為第個i變量與第k個因子之間的線性相關系數 反映變量與因子之間的相關程度 也稱為載荷 loading 由于因子出現在每個原始變量與因子的線性組合中 因此也稱為公因子 Uj為特殊因子 代表公因子以外的因素影響 5 計算變量間的相關矩陣或協(xié)方差矩陣 估計因素負荷量 轉軸方法 決定因素與命名 01 02 03 04 因子分析的主要步驟 6 01 計算變量間的相關矩陣或協(xié)方差矩陣 如果一個變量與其它變量間相關很低 在下一個分析步驟中可以考慮剔除此變量 還要考量到變量的 共同性 communality 與 因子負荷量 factorloadings 若相關矩陣中的大部分相關系數小于0 3 則不適合作因子分析 7 02 估計因素負荷量 決定因子抽取的方法 有主成分分析法 主軸法 一般化最小二乘法 未加權最小二乘法 極大似然法 Alpha因子抽取法與映象因子抽取法 最常使用者為主成分分析法與主軸法 研究者應多采用主成分分析法來估計因子負荷量 8 轉軸方法 因子旋轉的目的是為了便于理解和解釋因子的實際意義 主要有兩種方式 正交旋轉 Orthogonalrotation 和斜交旋轉 Obliquerotation 03 轉軸后 每個公因子的特征值會改變 與轉軸前不一樣 但每個變量的共同性不會改變 9 04 決定因子與命名 轉軸后 要決定因子數量 選取較少因子層面 獲得較大的解釋量 主成分資料分析中 以較少成分解釋原始變量變異量的較大部分 成分變異量通常以 特征值 eigenvalues 表示 有時也稱 特性本質 characteristicroots 或 潛在本質 latentroots 10 FactorAnalysis 適用條件 KMO統(tǒng)計量 取值范圍在0 1之間Bartlett s球形檢驗 11 PPT模板下載 0 5以下 非常不適合進行因子分析 0 9以上 0 8以上 0 7以上 0 6以上 0 5以上 KMO統(tǒng)計量值 因素分析適合性 B 極適合進行因子分析 適合進行因子分析 尚可進行因子分析 勉強可進行因子分析 不適合進行因子分析 12 Clickheretoaddyourtext 因子分析操作程序與報表解釋 Analyze DataReduction FactorAnalysis variables 13 01 02 03 04 Descriptive 描述性統(tǒng)計分析 1 Statistics 統(tǒng)計量 2 CorrelationMatrix 相關性矩陣 平均數 標準差 未轉軸之統(tǒng)計量 KMO和Bartlett s的球形檢驗 在 FactorAnalysis Descriptives 對話框中 選取 Initialsolution KMOandBartlet stestofsphericity 二項 單擊 Continue 按鈕 01 02 Step2 03 04 14 報表解釋 15 Principalcomponents主成份分法Unweightedleastsquares未加權最小平方法Generalizedleastsquares一般化最小平方法Maximumlikehood最大概似法 Principal axisfactoring主軸法Alphafactoring因素抽取法Imagefactoring映象因素抽取法 相關矩陣 協(xié)方差距陣 未旋轉因子解 陡坡圖 特征值 因子個數 在 FactorAnalysis Extraction 對話窗口中 抽取因子方法選擇 Principalcomponents 選取 Correlationmatrix 并勾選 Unrotatedfactorsolution Screetplot 等項 在抽取因子時限定在特征值大于1者 在 Eigenvalueover 后面的空格內輸入1 16 Step2 報表解釋 可見從第三個主成分開始特征根都非常低 該圖從另一個側面說明只需要提取3個主成分即可 成分矩陣 17 01 02 03 04 Step1 Step2 Step3 Clicktoaddtitle Rotation 旋轉 1 Method方法 2 Display顯示 3 MaximumIterationsforConvergence 最大變異法 轉軸后的解 因子負荷量 轉軸時執(zhí)行的迭代最后次數 后面內定數字25 算法執(zhí)行轉軸時 執(zhí)行步驟的次數上限 在 FactorAnalysis Rotation 對話窗中 選取 Varimax Rotatedsolution 等項 研究者要勾選 Rotatedsolution 選項 才能顯示轉軸后的相關信息 18 01 02 03 04 Step1 Step2 Step3 Step4 Scores 分數 1 Method方法 2 Displayfactorscorecoefficientmatrix顯示因素分數系數矩陣 Options 選項 1 MissingValues遺漏值 2 CoefficientDisplayFormat 系數顯示格式 完全排除遺漏值 依據因子負荷量排序 絕對值舍棄之下限 在 FactorAnalysis Options 對話窗口中 勾選 Excludecaseslistwise Sortedbysize 等項 并勾選 Suppressabsolutevalueslessthan 選項 正式的論文研究中應呈現題項完整的因子負荷量較為適宜 19 01 02 03 04 Step1 Step2 Step3 Step4 20 報表解釋 成分轉換矩陣 轉軸后的成分矩陣 因素負荷量 成分矩陣 成分轉換矩陣 Q8轉軸后的成分矩陣第一共同因素因子負荷量 0 798 謝謝聆聽ThankYou 21