SAS信效度檢驗(yàn)2013010402

1、焦慮自評(píng)量表（SAS）信效度檢驗(yàn)引言焦慮作為一種情緒狀態(tài),對(duì)人的行為有著重要的影響.焦慮自評(píng)量表（SAS）可以評(píng)出有焦慮癥狀的個(gè)體的主觀感受，可以衡量焦慮狀態(tài)的輕重程度。我國(guó)對(duì)該量表進(jìn)行了修訂，有一個(gè)1158人的正常人常模。全國(guó)協(xié)作組吳文源等人對(duì)1158例正常人（常模）測(cè)評(píng)結(jié)果進(jìn)行分析，正評(píng)題15項(xiàng)單分均值1.290.98;反向5個(gè)項(xiàng)目均分2.081.71，20項(xiàng)總分均值29.78土0.46可作為常模總分均值之上限。但隨著時(shí)間的推移，該量表信、效度將會(huì)受到一定影響。信度即可靠性，是指采用同一方法對(duì)同一對(duì)象進(jìn)行調(diào)查時(shí)，問(wèn)卷調(diào)查結(jié)果的穩(wěn)定性和一致性，即測(cè)量工具（問(wèn)卷或量表）能否穩(wěn)定地測(cè)量所測(cè)的事物

2、或變量。效度指測(cè)量結(jié)果的有效程度，它是指測(cè)量工具或手段能夠準(zhǔn)確測(cè)出所需測(cè)量的事物的程度，或者說(shuō)實(shí)測(cè)結(jié)果與所要測(cè)查的結(jié)果的吻合或一致程度。 摘要：焦慮自評(píng)量表(Self-Rating Anxiety Scale，SAS)是W.K.Zung于1971年編制，用于評(píng)出有焦慮癥狀的個(gè)體的主觀感受，作為衡量焦慮狀態(tài)的輕重程度及其在治療中的變化的依據(jù)。SAS是一種分析病人主觀癥狀的臨床工具。焦慮自評(píng)量表(self-rating anxiety scale, SAS)作為了解焦慮癥狀的自評(píng)工具,簡(jiǎn)單易用,有較好的信、效度,被廣泛應(yīng)用。能較好地反映被試的焦慮感受及其嚴(yán)重程度和變化,被廣泛用于各種職業(yè)、文化階層

3、及年齡段的正常人或各類疾病患者，因此其信、效度對(duì)于研究者而言是十分看中的。本研究主要從內(nèi)部一致性信度和結(jié)構(gòu)效度來(lái)檢驗(yàn)該量表的信、效度。關(guān)鍵詞：焦慮 信度 效度 內(nèi)部一致性信度 結(jié)構(gòu)效度1 對(duì)象與方法1.1 研究對(duì)象 取自教科院2014級(jí)心理班和國(guó)防班，共計(jì)81人，其中有效答卷78份，其中男生36人，女生42人。1.2 測(cè)驗(yàn)工具采用W.K.Zung于1971年編制焦慮自評(píng)量表(Self-Rating Anxiety Scale，SAS)，本量表包含20個(gè)項(xiàng)目，分為4級(jí)評(píng)分。SAS主要評(píng)定癥狀出現(xiàn)的頻度，其標(biāo)準(zhǔn)為：“1”表示沒(méi)有或很少時(shí)間有；“2”表示有時(shí)有；“3”表示大部分時(shí)間有；“4”表示絕大

4、部分或全部時(shí)間都有。20個(gè)條目中有l(wèi)5項(xiàng)是用負(fù)性詞陳述的，按上述l4順序評(píng)分。其余5項(xiàng)（第5，9，13，17，19）是用正性詞陳述的，按41順序反向計(jì)分。SAS的主要統(tǒng)計(jì)指標(biāo)為總分。將20個(gè)項(xiàng)目的各個(gè)得分相加，即得粗分；用粗分乘以1.25以后取整數(shù)部份，就得到標(biāo)準(zhǔn)分，總分越高即焦慮越嚴(yán)重。1.3 測(cè)驗(yàn)方法對(duì)2014級(jí)心理班和國(guó)防班兩班學(xué)生，按統(tǒng)一指導(dǎo)語(yǔ)，要求學(xué)生獨(dú)立填寫。對(duì)SAS中5個(gè)反向陳述條目進(jìn)行特別說(shuō)明，以消除不理解造成的誤差，并及時(shí)對(duì)問(wèn)卷進(jìn)行回收。1.4 統(tǒng)計(jì)分析 除去無(wú)效問(wèn)卷，將有效問(wèn)卷數(shù)據(jù)輸入SPSS For Windows 20.0統(tǒng)計(jì)軟件中，進(jìn)行各條目之間的相關(guān)分析，主成份因子

5、分析(Principal Components)。同時(shí)采用(Cronbach)系數(shù)來(lái)評(píng)價(jià)量表的內(nèi)部一致性。因子分析時(shí)對(duì)初始因子做了因子最大變異法正交旋轉(zhuǎn),全部分析用SPSS統(tǒng)計(jì)軟件完成。2 結(jié)果與分析2.1 SAS單項(xiàng)分析78名學(xué)生SAS平均得分為41.56土7.8440，由表1可見(jiàn),各項(xiàng)平均得分從1.270士0.5010到2.880士0.9530不等。各條目與SAS總分間的相關(guān)系數(shù)除尿意頻數(shù)外,其余呈顯著正相0數(shù)據(jù)為關(guān)關(guān)系。其中焦慮、驚恐、發(fā)瘋感、軀體疼痛、乏力、靜坐不能、頭昏、暈厥感及睡眠障礙等九個(gè)項(xiàng)目與SAS總分間的相關(guān)系數(shù)大于0.5。各條目間相關(guān)系數(shù)平均數(shù)為0.439,說(shuō)明SAS各條目

6、間有一定的相關(guān)性，具有良好的結(jié)構(gòu)效度。表1： SAS單項(xiàng)均數(shù)、標(biāo)準(zhǔn)差及與總分相關(guān)系數(shù) 項(xiàng)目 均數(shù) 標(biāo)準(zhǔn)差 相關(guān)系數(shù) 1焦慮 1.770 0.719 0.525* 2害怕 1.330 0.550 0.452* 3驚恐 1.690 0.708 0.523* 4發(fā)瘋感 1.260 0.591 0.543* 5不幸預(yù)感 * 1.950 0.737 0.425* 6手足顫抖 1.270 0.501 0.394* 7軀體疼痛 1.530 0.768 0.536* 8乏力 1.870 0.779 0.563* 9靜坐不能 * 2.140 0.785 0.502* 10心悸 1.500 0.619 0.478

7、* 11頭昏 1.330 0.618 0.658* 12暈厥感 1.130 0.336 0.514* 13呼吸困難 * 1.870 1.199 0.312* 14手足刺痛 1.330 1.213 0.284* 15胃痛或消化不良 1.470 0.716 0.403* 16尿意頻數(shù) 1.810 0.704 0.218 17多汗 * 2.880 0.953 0.323* 18面部潮紅 1.920 0.834 0.314* 19睡眠障礙 * 1.770 0.821 0.525* 20惡夢(mèng) 1.330 0.574 0.285*注：（ * 答案為反向計(jì)分項(xiàng)目 *P0.05 *P0.01）2.2 SAS的

8、信度 SAS各項(xiàng)目與總分有明顯的相關(guān)性（見(jiàn)表1），除第16項(xiàng)（尿意頻數(shù)）外，各相關(guān)系數(shù)均具顯著性，說(shuō)明各項(xiàng)目與量表總分所反映的內(nèi)容具有很好的一致性，同時(shí)經(jīng)SPSS輸出數(shù)據(jù)結(jié)果得(Cronbach)=0.8240.7 1 （見(jiàn)表2），再次提示該量表內(nèi)部的一致性很好。表2： Reliability StatisticsCronbachs Alpha Cronbachs Alpha Based on Standardized ItemsN of Items 0.8240.783202.3 因子分析 （1）由表3可以看出KMO 2 =0.8240.7，說(shuō)明因子分析效果很好。且Bartlett 3 球形

9、檢驗(yàn)的值為403.627，伴隨概率P=0.0000.05，否定虛無(wú)假設(shè)，即認(rèn)為變量間的相關(guān)矩陣不是單位矩陣，各變量間具有一定的相關(guān)性，可以進(jìn)行因子分析。表3： KMO and Bartletts Test KMO Bartletts TestApprox. Chi-Square df sig 0.732 403.627 190 0.000 1低信度：0.35,高信度：0.7 2.KMO是Kaiser-Meyer-Olkin的取樣適當(dāng)性量數(shù)。KMO測(cè)度的值越高（接近1.0時(shí)），表明變量間的共同 由Communalities分析結(jié)果可知所有20個(gè)原始變量的共同度都超過(guò)了0.6，其中還有4個(gè)超過(guò)了0

10、.7接近0.8，均在0.60.8內(nèi)。提取的因子解釋了原有變量方差的大部分，超過(guò)了60%，信息缺少較共同因子越多，研究數(shù)據(jù)適合用因子分析。通常按以下標(biāo)準(zhǔn)解釋該指標(biāo)值的大?。篕MO值達(dá)到0.9以上為非常好，0.80.9為好，0.70.8為一般，0.60.7為差，0.50.6為很差。如果KMO測(cè)度的值低于0.5時(shí)，表明樣本偏小，需要擴(kuò)大樣本。少（見(jiàn)表4）。表4： 共同因子方差（共同性）表 項(xiàng)目InitialExtraction 1、焦慮1.0000.642 2、害怕1.0000.667 3、驚恐1.0000.645 4、發(fā)瘋感1.0000.604 5、不幸預(yù)感1.0000.658 6、手足顫抖1.0

11、000.748 7、軀體疼痛1.0000.648 8、乏力1.0000.670 9、靜坐不能1.0000.610 10、心悸1.0000.664 11、頭昏1.0000.768 12、暈厥感1.0000.666 13、呼吸困難1.0000.610 14、手足刺痛1.0000.772 15、胃痛或消化不良1.0000.681 16、尿意頻數(shù)1.0000.628 17、多汗1.0000.678 18、面部潮紅1.0000.728 19、睡眠障礙1.0000.646 20、惡夢(mèng)1.0000.680 通過(guò)主成分分析法，共提出7個(gè)因子，公共因子的最高方差貢獻(xiàn)率達(dá)到22.216%，累計(jì)方差貢獻(xiàn)率最高已達(dá)到

12、65.436%，說(shuō)明轉(zhuǎn)換后的因子保留了較多的原始信息。第三大欄為因子提取的結(jié)果，未旋轉(zhuǎn)解釋的方差。第三大欄與第二大欄的前五行完全相同，即把特征值大于1的七個(gè)成份或因子單獨(dú)列出來(lái)了。這七個(gè)特征值由大到小排列，所以第一個(gè)共同因子的解釋方差最大。第四大欄為旋轉(zhuǎn)后解釋的方差。 Total欄為旋轉(zhuǎn)后的特征值。與旋轉(zhuǎn)前的Total欄相比，不難發(fā)現(xiàn)，四個(gè)成份的特征值有所變化。旋轉(zhuǎn)前的特征值從4.443到3.060，最大特征值與最小特征值之間的差距比不大，旋轉(zhuǎn)后的特征值相對(duì)集中。旋轉(zhuǎn)前、后的總特征值沒(méi)有改變，最后的累計(jì)方差百分比也沒(méi)有改變，仍然為65.436。（詳細(xì)結(jié)果見(jiàn)表5）碎石圖和上述被解釋的總方差的作用

13、相同，都是為了確定因子的數(shù)目。從碎石圖可以看出，從第8個(gè)因子開始，以后的曲線變得較平緩，最后接近一條直線。據(jù)此，可以抽取7個(gè)因子。（詳見(jiàn)表6）表5： 因子方差貢獻(xiàn)表因子Initial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %21.9139.56531.7811.9139.56531.7812.6841

14、3.42228.722 14.44322.21622.2164.44322.21622.2163.06015.29915.299 21.9139.56531.7811.9139.58531.7812.68413.42228.722 31.6308.15039.9321.6308.15039.9321.7758.87537.597 41.4527.26247.1941.4527.26247.1941.4977.48745.084 51.3406.69953.8931.3406.69953.8931.4267.12952.212 61.2306.15060.0431.2306.15060.0431

15、.4197.09559.307 71.0795.39365.4361.0795.39365.4361.2266.12965.436 80.9664.83170.267 90.7523.76174.028 100.7083.54177.569 110.6953.47581.044 120.6103.05284.096 130.5822.91287.008 140.5592.79689.804 150.4772.38792.191 160.4052.02594.216 170.3731.86496.080 180.3521.75897.837 190.2281.14298.979 200.2041

16、.021100.000表6：碎石圖 表7顯示了特征根大于1的7個(gè)因子最大變異法正交旋轉(zhuǎn)后的負(fù)荷矩陣。因子1和因子2均有5個(gè)負(fù)荷量大于0.5的項(xiàng)目，其余因子僅有2個(gè)，故將只含兩個(gè)項(xiàng)目的因子刪除 4 ，再次進(jìn)行因子分析（原理同上）。表7： 7個(gè)因子最大變異法正交旋轉(zhuǎn)后的負(fù)荷矩陣 項(xiàng)目因子1因子2因子3因子4因子5因子6因子7頭昏.840.163.149軀體疼痛.794心悸.706.113.195暈厥感.666.430-.130-.124乏力.614.250.188.124-.275害怕.754-.206.133.168驚恐.205.750-.130-.113焦慮.745.237.109-.103發(fā)

17、瘋感.660.275.158-.124.212靜坐不能.156.509.181.270-.163.258不幸預(yù)感.215.753.190睡眠障礙.302.114.727-.100多汗.159.166-.113.769-.128呼吸困難.432.638-.108手足刺痛.869-.111胃痛或消化不良.247.701.328面部潮紅.130-.194.211.787尿意頻數(shù).773手足顫抖.258.242.272-.190.7133選轉(zhuǎn)后項(xiàng)目數(shù)少于2的因子應(yīng)刪除，后再次進(jìn)行因子分析。惡夢(mèng).255.201.236-.406-.157-.567 （2）表8是刪除上述所含項(xiàng)目較少的因子后再次進(jìn)行因子分

18、析法所得的4個(gè)因子最大變異法正交旋轉(zhuǎn)后的負(fù)荷矩陣。從表中可以看出因子I包含頭昏、軀體疼痛、暈厥感、心悸、乏力、睡眠障礙 6個(gè)項(xiàng)目；因子II包含害怕、發(fā)瘋感、驚恐、焦慮、靜坐不能、不幸預(yù)感、手足顫抖 7個(gè)項(xiàng)目；因子III包含胃痛或消化不良、面部潮紅、手足刺痛、尿意頻數(shù)4個(gè)項(xiàng)目；因子IV包含多汗、呼吸困難、惡夢(mèng)3個(gè)項(xiàng)目。從神經(jīng)病理維度可將因子I、因子III、因子IV概括為植物性神經(jīng)功能紊亂和運(yùn)動(dòng)性精神緊張的客觀表現(xiàn)，因子II為焦慮心情及其作用表現(xiàn)。表8： 4個(gè)因子最大變異法正交旋轉(zhuǎn)后的負(fù)荷矩陣項(xiàng)目因子I因子II因子III因子IV頭昏0.8350.1790.1060.109軀體疼痛0.7680.16

19、6心悸0.7520.184-0.111-0.109暈厥感0.6460.135乏力0.6070.1780.197害怕0.4720.348-0.189驚恐0.7480.136-0.203焦慮0.1060.7300.176發(fā)瘋感0.1860.675-0.150靜坐不能0.6730.1100.208不幸預(yù)感0.1530.5420.253睡眠障礙0.1240.501-0.107多汗0.2570.4040.185呼吸困難0.2310.1140.639手足刺痛0.587-0.240胃痛或消化不良0.555面部潮紅0.512尿意頻數(shù)0.1100.1050.767手足顫抖0.114-0.1970.622惡夢(mèng)0.

20、3470.181-0.335-0.4673 討 論自從70年代焦慮自評(píng)量表(SAS)問(wèn)世以來(lái)，廣泛用于臨床、科研及群體調(diào)查中，國(guó)外研究認(rèn)為SAS能較準(zhǔn)確地反映有焦慮傾向的精神病患者的主觀感受，與Hamilton焦慮自評(píng)量表的Pearson相關(guān)系數(shù)為0.3650，Spearman氏等級(jí)相關(guān)系數(shù)為0.341，說(shuō)明SAS有較高的效度。國(guó)內(nèi)應(yīng)用也證時(shí)了這一點(diǎn)，本文根78名大學(xué)生SAS測(cè)試資料，對(duì)20個(gè)條目進(jìn)行了信、效度分析。其中(Cronbach)=0.824，說(shuō)明SAS具有較高的信度，另外相關(guān)分析顯示SAS各項(xiàng)目與總分具有明顯相關(guān)性，再次說(shuō)明了SAS的信度。巴特利特球度檢驗(yàn)（Bartlett tes

21、t of sphericity）和KMO（Kaiser-Meyer-Oklin Measure of Smapling Adequacy）結(jié)果顯示SAS各項(xiàng)目間相關(guān)矩陣不是單位矩陣，適合做因子分析。同時(shí)因子分析將20個(gè)條目概括為4個(gè)因子，這4個(gè)因子主要反映了焦慮心情和植物性神經(jīng)功能紊亂及運(yùn)動(dòng)性緊張3個(gè)方面。這一結(jié)論符合邏輯和ICD-105對(duì)焦慮的定義，又驗(yàn)證了SAS的結(jié)構(gòu)效度。Cronbachs系數(shù)是Cronbach于1951年創(chuàng)立的，是指測(cè)驗(yàn)內(nèi)部的項(xiàng)目在多大程度上考察了同一內(nèi)容，評(píng)價(jià)的是量表中各題項(xiàng)得分間的一致性。同質(zhì)性信度低時(shí)，即使各個(gè)測(cè)試題看起來(lái)似乎是測(cè)4國(guó)際疾病分類（Internati

22、onal Classification of Diseases ,ICD），是WHO制定的國(guó)際統(tǒng)一的疾病分類方法，它根據(jù)疾病的病因、病理、臨床表現(xiàn)和解剖位置等特性，將疾病分門別類，使其成為一個(gè)有序的組合，并用編碼的方法來(lái)表示的系統(tǒng)。全世界通用的是第10次修訂本疾病和有關(guān)健康問(wèn)題的國(guó)際統(tǒng)計(jì)分類，仍保留了ICD的簡(jiǎn)稱，并被統(tǒng)稱為ICD-10量同一特質(zhì)，但測(cè)驗(yàn)實(shí)際上是異質(zhì)的，即測(cè)驗(yàn)測(cè)量了不止一種特質(zhì)。信度系數(shù)法是目前最常用的內(nèi)部信度系數(shù)。實(shí)際上，系數(shù)是所有可能的分半信度的平均值，系數(shù)是估計(jì)信度的最低限度，系數(shù)高時(shí)，信度就高。本文測(cè)出的Cronbachs=0.8240.7,說(shuō)明了SAS具有較高的信度。

23、 因子分析是心理量工具或量表?xiàng)l目的同質(zhì)性結(jié)構(gòu)效度評(píng)估的最有力的統(tǒng)計(jì)分析方法。因子分析的基本特征是可以從多個(gè)變量中，抽取幾個(gè)公共因子，并推知各個(gè)公共因子的性質(zhì)，但因子分析往往會(huì)受到抽取因子和轉(zhuǎn)軸的影響，此外對(duì)因子的解釋也是一個(gè)主觀的過(guò)程。因此對(duì)因子分析時(shí)還應(yīng)結(jié)合專業(yè)知識(shí)來(lái)取舍因子及其包含的條目或變量。本文抽取的七個(gè)因子是按照特征根大于1的標(biāo)準(zhǔn)，參考7個(gè)因子所反映的信息量來(lái)確定的，經(jīng)最大變異正交旋轉(zhuǎn)后個(gè)因子與較少的條目有較高的相關(guān)性，從而使各因子的解釋更清晰，更合乎邏輯，同時(shí)也說(shuō)明SAS具有很高的效度。 參考文獻(xiàn)1 劉賢臣.李傳奇.彭秀桂.衛(wèi)校學(xué)生焦慮狀況的調(diào)查分析.山東醫(yī)科大學(xué)學(xué)報(bào)版，19902

24、 劉賢臣.王均樂(lè).于建春,等.高中生焦慮及其影響因素的調(diào)查研究.中國(guó)校醫(yī),1990 3 劉賢臣.孫良民.唐茂芹,等.2462名青少年焦慮自評(píng)量表測(cè)查結(jié)果分析.中國(guó)衛(wèi)生雜志,19974 范曉玲.考試焦慮量表在湖南地區(qū)的試用結(jié)果分析.中國(guó)臨床心理學(xué)雜志,2000,35 王文菁.許明智.焦慮自評(píng)量表在精神疾病患者中的因子結(jié)構(gòu)研究.廣東醫(yī)學(xué),2009,106 陶明.高靜芳.修訂焦慮自評(píng)量表（SASCR）的信度及效度.中國(guó)精神病雜志,1994,97 王征宇.遲玉芬.焦慮自評(píng)量表（SAS）.上海精神醫(yī)學(xué),1984,78 劉賢臣.唐茂芹.陳琨,等.焦慮自評(píng)量表的因子分析.山東醫(yī)科大學(xué)學(xué)報(bào).1995,129

25、王芳芳.焦慮自評(píng)量表在中學(xué)生中的測(cè)試.中國(guó)學(xué)校衛(wèi)生，1994,610李春波.李晨虎.張旭,等.自我效能量表的信度及效度研究.上海精神醫(yī)學(xué),2003,12附錄：表9： 未旋轉(zhuǎn)的成份矩陣（顯示部分載荷，小于0.01者未顯示）Component MatrixaComponent1234567touhun.749-.396-.168-.105yunjuegan.641-.325-.256-.204.167-.118fali.593-.292-.296.197qutitengtong.582-.510-.119.116-.112jingkong.581.330.139-.221-.356fafengga

26、n.570.500-.134xinji.556-.358.107-.317shuimianzhangai.542-.258-.139.406.315jiaolv.526.456.134-.346haipa.512.462.294-.240-.105-.167jingzuobuneng.499.326.170.313mianbuchaohong.203-.169.590.211.438.272weitonghuoxiaohuabuliang.349-.226.513.197.105-.441duohan.208.142-.274.688-.244emeng.282-.204-.595-.231.

27、376huxikunnan.151.190-.404.474.298.110.250buxingyugan.408.320.575-.108.187niaoyipinshu.123-.131.422.235.127.588shouzucitong-.146.475.230-.508.451shouzuchandou.479.176.416-.218-.505Extraction Method: Principal Component Analysis.a. 7 omponents extracted.表10： 成份轉(zhuǎn)換矩陣Component Transformation MatrixCompo

28、nent12345671.690.588.374.062.128.101.0872-.644.670.181.197-.191-.135.0983-.219.211-.274-.351.566.578.2324.021-.119-.182.902.243.192.2065-.166-.377.740-.049-.013.214.4846.038.029-.054.059-.643.729-.2147-.177-.061.410.119.392.150-.779Extraction Method: Principal Component Analysis. Rotation Method: Va

29、rimax with Kaiser Normalization.注:（成份轉(zhuǎn)換矩陣（ComponentTransformationMatrix）描寫的是用于因子解的具體旋轉(zhuǎn)，該矩陣用來(lái)從未經(jīng)旋轉(zhuǎn)的因子矩陣計(jì)算旋轉(zhuǎn)了的因子矩陣，即未經(jīng)旋轉(zhuǎn)的因子負(fù)荷乘以成份轉(zhuǎn)換矩陣等于旋轉(zhuǎn)因子負(fù)荷。）表11： 因子得分系數(shù)矩陣Component Score Coefficient MatrixComponent1234567jiaolv-.057.323-.101.140.063-.007-.129haipa-.076.329-.058-.167-.078.067.108jingkong-.005.326-.09

30、9-.112.037-.075-.123fafenggan-.066.245.067.072.002-.115.137buxingyugan-.140-.013.480.008.060.004.095shouzuchandou.051.023.076-.159-.020-.076.579qutitengtong.309-.089-.090.050-.003.014.000fali.197.047-.076.043.099.060-.256jingzuobuneng-.016.180.025.163-.157.190-.012xinji.283-.026-.147-.003-.136.025.1

31、73touhun.299-.042-.032.043-.030-.022.031yunjuegan.211-.097.201-.104-.001-.119-.011huxikunnan-.054-.100.294.425-.046.057-.070shouzucitong-.082-.022.056.054.651-.034-.158weitong.040-.021-.033-.034.467-.016.225niaoyi.015-.015-.065.065-.113.559.045duohan.054.051-.131.512.063-.092-.024mianbuchaohong-.048

32、-.019.104-.108.093.555-.119shuimianzhangai.014-.079.449.000-.012.039-.135emeng.060.074.138-.279-.035-.100-.474Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores.注：（因子模型將變量表示成公共因子的線性組合，自然也可將公共因子表示成原始變量的線性組合。上述表格實(shí)際上每列就是各個(gè)因子被原始變量表示的系數(shù)。）

33、表12： 因子得分協(xié)方差矩陣Component Score Covariance MatrixComponent123456711.000.000.000.000.000.000.0002.0001.000.000.000.000.000.0003.000.0001.000.000.000.000.0004.000.000.0001.000.000.000.0005.000.000.000.0001.000.000.0006.000.000.000.000.0001.000.0007.000.000.000.000.000.0001.000Extraction Method: Principa

34、l Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores.注（因子得分協(xié)方差矩陣描述了各個(gè)因子彼此之間的相關(guān)程度。由于各個(gè)因子和自己成完全正相關(guān)，因子主對(duì)角線上得分均為1，其它各個(gè)部分得分均為0，說(shuō)明各個(gè)因子之間沒(méi)有相關(guān)關(guān)系。表13： Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared Loadings

35、Total% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %14.44322.21622.2164.44322.21622.2163.21616.07816.07821.9139.56531.7811.9139.56531.7813.01615.08031.15831.6308.15039.9321.6308.15039.9321.7028.50939.66741.4527.26247.1941.4527.26247.1941.5067.52847.19451.3406.69

36、953.89361.2306.15060.04371.0795.39365.4368.9664.83170.2679.7523.76174.02810.7083.54177.56911.6953.47581.04412.6103.05284.09613.5822.91287.00814.5592.79689.80415.4772.38792.19116.4052.02594.21617.3731.86496.08018.3521.75897.83719.2281.14298.97920.2041.021100.000表14：表15：Component MatrixaComponent1234t

37、ouhun.749-.396-.168yunjuegan.641-.325-.256-.204fali.593-.292qutitengtong.582-.510-.119.116jingkong.581.330.139-.221fafenggan.570.500xinji.556-.358shuimianzhangai.542-.258-.139jiaolv.526.456.134haipa.512.462.294-.240jiangzuobuneng.499.326.170shouzuchandou.479.176buxingyugan.408.320mianbuchaohong.203-

38、.169.590weitong.349-.226.513.197cshoyuzucitong-.146.475.230niaoyipinshu.123-.131.422.235duohan.208.142-.274.688emeng.282-.204-.595huxikunnan.151.190-.404.474Extraction Method: Principal Component Analysis.a. 4 components extracted.表16Component Transformation MatrixComponent12341.725.665.168.0712-.62

39、0.720-.252.1823-.297.141.875-.3564-.048-.141.378.914Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.表17：Component Score Coefficient MatrixComponent1234jiaolv-.085.246.048.115haipa-.112.299.054-.163jingkong-.030.245-.005-.129fafenggan-.067.268-.043.087buxingyugan-.021.181-.087.011shouzuchandou.027.121.081-.078qutitengtong.278-.126.056.060