利用spss進(jìn)行量表分析

1、第五節(jié)利用SPSS進(jìn)展量表分析在第五章調(diào)查研究中，我們介紹了量表的類型、編制的步驟及其應(yīng)用，在本節(jié)將介紹利用SPSS軟件對量表進(jìn)展處理分析。在獲取原始數(shù)據(jù)后，我們利用SPSS寸量表可以作出三種分析，即工程分析、因素分析和信度分析。工程分析，目的是找出未達(dá)顯著水準(zhǔn)的題項并把它刪除。它是通過將獲得的原始數(shù)據(jù)求出量表中題項的臨界比率值CR值來作出判斷。通常，量表的制作是要經(jīng)過專家的設(shè)計與審查，因此，題項一般均具有鑒別度，能夠鑒別不同受試者的反響程度。故往往在量表處理中可以省去這一步。因素分析，目的是在多變量系統(tǒng)中，把多個很難解釋，而彼此有關(guān)的變量，轉(zhuǎn)化成少數(shù)有概念化意義而彼此獨立性大的因素，從而分析

2、多個因素的關(guān)系。在具體應(yīng)用時，大多數(shù)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，目的是對量表的可靠性與有效性進(jìn)展檢驗。如果一個量表的信度愈高，代表量表愈穩(wěn)定。也就表示受試者在不同時間測量得分的一致性，因而又稱“穩(wěn)定系數(shù)。根據(jù)不同專家的觀點，量表的信度系數(shù)如果在0.9以上，表示量表的信度甚佳。但是對于可承受的最小信度系數(shù)值是多少，許多專家的看法也不一致，有些專家定為0.8以上，也有的專家定位0.7以上。通常認(rèn)為，如果研究者編制的量表的信度過低，如在0.6以下，應(yīng)以重新編制較為適宜。在本節(jié)中，主要介紹利用SPSS軟件對量表進(jìn)展因素分析。一、因素分析根本原理因素分析是通過求出量表

3、的“構(gòu)造效度來對量表中因素關(guān)系作出判斷。在多變量關(guān)系中，變量間線性組合對表現(xiàn)或解釋每個層面變異數(shù)非常有用，主成份分析主要目的即在此。變量的第一個線性組合可以解釋最大的變異量，排除前述層次，第二個線性組合可以解釋次大的變異量，最后一個成份所能解釋總變異量的部份會較少。主成份數(shù)據(jù)分析中，以較少成份解釋原始變量變異量較大部份。成份變異量通常用“特征值表示，有時也稱“特性本質(zhì)或“潛在本質(zhì)。因素分析是一種潛在構(gòu)造分析法，其模式理論中，假定每個指針外在變量或稱題項均由兩局部所構(gòu)成，一為“共同因素、一為“唯一因素。共同因素的數(shù)目會比指針數(shù)原始變量數(shù)還少，而每個指針或原始變量皆有一個唯一因素，亦即一份量表共有

4、n個題項數(shù)，那么會有n個唯一因素。唯一因素性質(zhì)有兩個假定：1所有的唯一因素彼此間沒有相關(guān)；2所有的唯一因素與所有的共同因素間也沒有相關(guān)。至于所有共同因素間彼此的關(guān)系，可能有相關(guān)或可能皆沒有相關(guān)。在直交轉(zhuǎn)軸狀態(tài)下，所有的共同因素間彼此沒有相關(guān)；在斜交轉(zhuǎn)軸情況下，所有的共同因素間彼此就有相關(guān)。因素分析最常用的理論模式如下:4F11F14角/,+等nFm+Ui其中1為第i個變量的標(biāo)準(zhǔn)化分?jǐn)?shù)。2Fm為共同因素。3m為所有變量共同因素的數(shù)目。4U為變量%的唯一因素5亙皿為因素負(fù)荷量。因素分析的理想情況，在于個別因素負(fù)荷量不是很大就是很小，這樣每個變量才能與較少的共同因素產(chǎn)生密切關(guān)聯(lián)，如果想要以最少的共同

5、因素數(shù)來解釋變量間的關(guān)系程度，那么5彼此間或與共同因素間就不能有關(guān)聯(lián)存在。-所謂的因素負(fù)荷量，是因素構(gòu)造中原始變量與因素分析時抽取出共同因素的相關(guān)。在因素分析中，有兩個重要指針：一為“共同性”，二為特征值”所謂共同性，就是每個變量在每個共同因素之負(fù)荷量的平方總和一橫列中所有因素負(fù)荷量的平方和，也就是個別變量可以被共同因素解釋的變異量百分比，這個值是個別變量與共同因素間多元相關(guān)的平方。從共同性的大小可以判斷這個原始變量與共同因素間之關(guān)系程度。而各變量的唯一因素大小就是1減掉該變量共同性的值。在主成份分析中，有多少個原始變量便有多少個成份，所以共同性會等于1,沒有唯一因素。I所謂特征值，是每個變量

6、在某一共同因素之因素負(fù)荷量的平方總和一直行所有因素負(fù)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會最先被抽取，其次是次大者，最后抽取得共同因素的特征值最小，通常會接近0在主成份分析中，有幾個題項，便有幾個成份，因而特征值的總和剛好等于變量的總數(shù)。將每個共同因素的特征值除以總題數(shù)，為此共同因素可以解釋的變異量，因素分析的目的之一，即在因素構(gòu)造的簡單化，希望以最少的共同因素，能對總變異量作最大的解釋，因而抽取得因素愈少愈好，但抽取因素的累積解釋的變異量愈大愈好我們通過一個例子說明如何利用SPS漱件對量表進(jìn)展分析。二、利用SPSS對量表進(jìn)展因素分析【例6-9】現(xiàn)要對遠(yuǎn)程學(xué)習(xí)者對教育

7、技術(shù)資源的了解和使用情況進(jìn)展了解，設(shè)計一個里克特量表，如表6-27所小。果fi-27逅瞌字R青丹期司拽末般通的了總耨便用|C題題從未也用有時使用盛軍使用總是使用12345*2電腦錄音庭簾A3錄俅帝A4潮上播料2校圓網(wǎng)或因播網(wǎng)州電子岷件A7電子河訛網(wǎng)的CAJ犀件槌互堂議小視聽會政將該量表發(fā)放給20人答復(fù)，假設(shè)回收后的原始數(shù)據(jù)如表6-28所示聯(lián)A2ElYifeSJfi噩鏟、A1A2A3A4ASA7ABAPA1001151I11IIL02152121J1I10343334314II04434444343054334414I106143533q32IC7144443324-11Ii531I11II1C

8、P4454442411105435543533115A344q352I11254544435321335522213I1545533325221644443514IL)?$445S545441854423415I1)95455553533205445553521操作步驟:1.錄入數(shù)據(jù)定義變量A1、A2、A3、A5、A6、A7、A8、A9”、A10”,并按照表輸入數(shù)據(jù)，如圖6-33所示。I34PNysflbMigipBlg|H|&%1J11*111L1:iixinr4iiPT卜Q|吧iS*疝|出11iatfsg5OD1W1如1DU14DM4401DOim_22ggUO工

9、OD%二UJ2雨1oo10Dim34003CDag)；門8,QaDOimICD*詞*I”too3in4004jj-jooJXI*ODBIm西1加3QJl4值)JfM*OPia200ZZDU4mc3g4muffi4加士4m35護(hù)2中744w*Jaaggs3sa8e：&satxM1ooS1005CD400W4Mi5on4tn500：4oa3(H5D色W3(n40003ionioa5004IX)500*5004D3mim：seois2KD；yjpp；?皿迪5m:5(Diim1EID-jICDl5I8!$ffi3303flO400trri-,-39S99SSS&BB&S88-B1M3003002001

10、sen2IOD.4im*00*uu4300lOO12131*l通日RFntfiw，1kJtuH11Hb-I11ui|9ggBgggEIB7is4力5JU，co1a*,上T11R曲,+XTL-10-,心n_*ii1-36-35錄入數(shù)據(jù)2.因素分析1選擇“AnalyzeDataReductionFactor命令，彈出FactorAnalyze對話框，將變量A1”到A10選入Variables，如耀由-34所示。2設(shè)置描述性統(tǒng)計量單擊圖6-34對話框中的Descriptives按鈕，彈出FactorAnalyze:Descriptives”因素分析：描述性統(tǒng)計量對話框，如圖6-35所示。Factor

11、Analysis:DescriptiresStatisticsContinueIUnivariatedcscriptivesCancel17jnitiialsolutionHelpCorrelationMatrixF InverseI- ReproducedAnti-imageCoefficientsrSignificancelevelsDeterminantFJCMOandBartlettstestolsphericity，BU,1fa-IAlIII.i-UBIISUIIIlliU4U4IS-111H-I-圖6-有FactorAnilyifeDescriptives（因素分析；描述性計量）對

12、話框Statistics”統(tǒng)計量對話框B Initial solutionAUnivariatedescriptives”單變量描述性統(tǒng)計量：顯示每一題項的平均數(shù)、標(biāo)準(zhǔn)差未轉(zhuǎn)軸之統(tǒng)計量：顯示因素分析未轉(zhuǎn)軸前之共同性、特征值、變異數(shù)百分比及累積百分比。D Correlation Matric相關(guān)矩陣選項框ACoefficients”系數(shù)：顯示題項的相關(guān)矩陣BSignificancelevels”顯著水準(zhǔn)：求出前述相關(guān)矩陣地顯著水準(zhǔn)。CDeterminant”行列式：求出前述相關(guān)矩陣地行列式值。DKMOandBartlettstestofsphericKMO與Bartlett的球形檢定：顯示KMO

13、抽樣適當(dāng)性參數(shù)與Bartlett的球形檢定。EInverse”倒數(shù)模式：求出相關(guān)矩陣的反矩陣。F“Reproduced”重制的：顯示重制相關(guān)矩陣，上三角形矩陣代表殘差值；而主對角線及下三角形代表相關(guān)系數(shù)。GAnt-image”反映像：求出反映像的共變量及相關(guān)矩陣。單擊在本例中,選擇“Initialsolution與KMOandBartlettstestofsphericity二項,Continue”按鈕確定。3設(shè)置對因素的抽取選項單擊圖6-34對話框中的Extraction按鈕，彈出FactorAnalyze:Extraction”因素分析:抽取對話框，如圖6-36所示。31 6-36 鼻A&

14、slpE*.Ek因索分析二油匹!幻偌眼“Method”方法選項框：下拉式選項內(nèi)有其中抽取因素的方法:APrincipalcomponents法：主成份分析法抽取因素，SPS毀認(rèn)方法。BUnweightedleastsquares法：未加權(quán)最小平方法。CGeneralizedleastsqte法：一般化最小平方法。DMaximumlikelihood法：最大概似法。E“Principaaxisfactoring法：主軸法。FAlphafactoringSWttM法。GImagefactoring法：映像因素抽取法。Analyze”分析選項框ACorrelationmatrix”相關(guān)矩陣：以相關(guān)矩

15、陣來抽取因素BCovariancematrix”共變異數(shù)矩陣：以共變量矩陣來抽取因素?！癉isplay”顯示選項框AUnrotatedfactorsolution”未旋轉(zhuǎn)因子解：顯示未轉(zhuǎn)軸時因素負(fù)荷量、特征值及共同性。B“Screeplot”陡坡圖：顯示陡坡圖。Extract”抽取選項框AaEigenvaluesover”特征值：后面的空格默誅次表示因素抽取時，只抽取特征值大于1者，使用者可隨意輸入0至變量總數(shù)之間的值。BNumberoffactors”因子個數(shù)：選取此項時，后面的空格內(nèi)輸入限定的因素個數(shù)。在本例中，設(shè)置因素抽取方法為Principal components,選取 Correl

16、ation matrixUnrotated factor solution “ Principal components在避酸因素時限定在特征值大于1者,即SPSS的默認(rèn)選項。單擊Continue 按鈕確定。4設(shè)置因素轉(zhuǎn)軸因素分析：旋單擊圖6-34對話框中的Rotation按鈕，彈出FactorAnalyze:Rotation轉(zhuǎn)對話框，如圖6-37所示。的6-37FictorAnalyze：Sotatio(nC因素分析：旋轉(zhuǎn)】-對話框“Method”方法選項方框內(nèi)六種因素轉(zhuǎn)軸方法:ANone:不需要轉(zhuǎn)軸B“Varimax:最大變異法，屬正交轉(zhuǎn)軸法之一。CQuartimax:四次方最大值法，屬正

17、交轉(zhuǎn)軸法之一。D“Equamax:相等最大值法，屬正交轉(zhuǎn)軸法之一。E“DirectOblimin:直接斜交轉(zhuǎn)軸法，屬斜交轉(zhuǎn)軸法之一F“PromaxPromax轉(zhuǎn)軸法，屬斜交轉(zhuǎn)軸法之一。Display”顯示選項框：ARotatedsolution”轉(zhuǎn)軸后的解：顯示轉(zhuǎn)軸后的相關(guān)信息，正交轉(zhuǎn)軸顯示因素組型矩陣及因素轉(zhuǎn)換矩陣；斜交轉(zhuǎn)軸那么顯示因素組型、因素構(gòu)造矩陣與因素相關(guān)矩陣。BLoadingplots”因子負(fù)荷量：繪出因素的散步圖。MaximumIterationsforConvergence：轉(zhuǎn)軸時之行的疊代最屢次數(shù)，后面默認(rèn)得數(shù)字為25,表示算法之行轉(zhuǎn)軸時，執(zhí)行步驟的次數(shù)上限。在本例中，選擇

18、VarimaxRotated solution 二項。研究者要選擇Rotated solution ”選項，才能顯示轉(zhuǎn)軸后的相關(guān)信息。單擊Continue 按鈕確定。5設(shè)置因素分?jǐn)?shù)因素分析:單擊圖6-34對話框中的Scores按鈕，彈出FactorAnalyze:FactorScores因素分?jǐn)?shù)對話框，如圖6-38所示。圖Factor：Factor窕口口（因素分析：因E素分?jǐn)?shù)】對話推Saveasvariable”因素存儲變量框勾選時可將新建立的因素分?jǐn)?shù)存儲至數(shù)據(jù)文件中，并產(chǎn)生新的變量名稱默認(rèn)為fact、fact_2、fact_3、fact_4等。在Method框中表示計算因素分?jǐn)?shù)的方法有三種：

19、ARegression:使用回歸法。B“Bartlett:Blette法C“Anderso-Robin”:使用Anderson-Robin法。Displayfactorcoefficientmatrix顯示因素分?jǐn)?shù)系數(shù)矩陣選項勾選時可顯示因數(shù)分?jǐn)?shù)系數(shù)矩陣。在本例中，取默認(rèn)值。單擊“Continue按鈕確定。6設(shè)置因素分析的選項單擊圖6-34對話框中的Options按鈕，彈出FactorAnalyze:Options”因素分析：選項對話框，如圖6-39所示。A Exclude cases listwise 析。B “ Exclude cases pairwiseC “ Replace with

20、mean圉Factor/近尸曰:Optigz（因案分析：述項二對話唯MissingValues”遺漏值選項框：遺漏值的處理方式?！蓖耆懦z漏值：觀察值在所有變量中沒有遺漏值者才加以分”成對方式排除：在成對相關(guān)分析中出現(xiàn)遺漏值得觀察值舍棄。用平均數(shù)置換：以變量平均值取代遺漏值。CoefficientDisplayFormat系數(shù)顯示格式選項框：因素負(fù)荷量出現(xiàn)的格式。A“Sortedbysize”依據(jù)因素負(fù)荷量排序：根據(jù)每一因素層面的因素負(fù)荷量的大小排序。被顯示,“Suppressabsolutevalueslessthan默認(rèn)的值為0.1。絕對值舍棄的下限：因素負(fù)荷量小于后面數(shù)字者不在本例中，

21、選擇Excludecaseslistwise、“Sortedbysize”二項，并勾選Suppressabsolutevalueslessthan,其后空格內(nèi)的數(shù)字不用修改，默認(rèn)為就不用選取Suppressabsolutevalueslessthan0.1。如果研究者要呈現(xiàn)所有因素負(fù)荷量，。選項。在例題中為了讓研究者明白此項的意義，才Continue 按鈕確定。設(shè)置完所有的選項后，單擊3.結(jié)果分析OK按鈕，輸出結(jié)果。勾選了此項，正式的研究中應(yīng)呈現(xiàn)題項完整的因素負(fù)荷量較為適宜。單擊1KMO及Bartlett檢驗檢驗結(jié)果。如圖6-40所示，顯示KMO及BartlettKMOandDartletCs

22、TestKaiser-Me/er-CMnMeasureofSamplingAdequacy.,695BartlettsTestofApprox.Chi-Square234.43SSphericitydf45Sig,MO密邑如KWO及Bmlett檢取結(jié)果KMO是Kaiser-Meyer-Olkin的取樣適當(dāng)性量數(shù)，當(dāng)KMO值愈大時，表示變量間的共同因素愈多，愈適合進(jìn)展因素分析，根據(jù)專家Kaiser1974觀點，如果KMO的值小于0.5時，較不宜進(jìn)展因素分析，此處的KMO值為0.695,表示適合因素分析。止匕外，從Bartlett球形檢驗的值為234.438,自由度為45,到達(dá)顯著，代表母群體的相

23、關(guān)矩陣間有共同因素存在，適合進(jìn)展因素分析。2共同性如圖6-41所示，顯示因素間的共同性結(jié)果。CommunalrtiesInitialExtrartiorAl股心44A5Aj6A7AS妁AID1.0001.0001.0001.0001.0001.0001.0001.0001.0001.0M，屋,738,900,872,867,919,907,9&5，的ExtractionMethod:PrincipalComponentAnalysis,H6-4L因素間的共同性結(jié)果共同性中顯示抽取方法威主成份分析法，最右邊一欄為題項的共同性。3陡坡圖ScreePlotComponentNumber圖642因素的

24、陡坡圖從陡坡圖中，可以看出從第三個因素以后，坡線甚為平坦，因而以保存3個因素較為適宜4整體解釋的變異數(shù)一一未轉(zhuǎn)軸前的數(shù)據(jù)如圖6-43所示，顯示的是未轉(zhuǎn)軸前整體解釋的變異數(shù)。TTNUhi和晴CormponerEZEifnwiluwEMrfecWiSurfis&FL呂，牛toWi&nSumiF5qurTL&idirbgiTddberfVarwKCZuinUlibve1cIt7otilimnuhlk雷餐丁加1bdtV4rksnce：umdhhweL2J4Sra4LO鄧1馴了皿凰a231辭JIG空即8IJJMKM71JJO4AllMD1.L04融專JJ73222E-W0.57*7M囑相對“懦外痣當(dāng)“n

25、三學(xué)與好岫岫氏琢15。12女如副9環(huán)川加必usn79,(He羈，麻4S4M印中耶s11372i*m43.m75,257均曬06-43梟網(wǎng)陶方整體解域瞿法界沿從圖中可以看出，左邊10個成份因素的特征值總和等于10。解釋變異量為特征值除以題項數(shù)，如第一個特征值得解釋變異量為6.358+1063.579%。將左邊10個成份的特征值大于1的列于右邊。特征值大于1的共有三個，這也是因素分析時所抽出的共同因素數(shù)。由于特征值是由大到小排列，所以第一個共同因素的解釋變異量通常是最大者，其次是第二個1.547,再是第三個1.032轉(zhuǎn)軸后的特征值為4.3893.137、1.411,解釋變異量為43.88%、31.

26、372%、14.108%,累積的5未轉(zhuǎn)軸的因素矩陣如圖6-44所示，顯示的是未轉(zhuǎn)軸的因素矩陣ComporientMatrixComponent123A5,939,102A4,922145Al,901-.243,239A8,967,194,287AS,S74A7克3,474-.129A9,813,401-,377A10,45-35SA2E4,605,20&A3-.164,533,607ExtractionMethod:PrincipalComporantAnalysis.a3cornpurentsextracted.圖6.44耒轉(zhuǎn)軸的因素矩降從圖中可以看出，有3個因素被抽取，并且因素負(fù)荷量小魚0.1的未被顯示6轉(zhuǎn)軸后的因素矩陣如圖6-45所示，顯示了轉(zhuǎn)軸后的因素矩陣RotatedComponentMatrixComponent123Al.266-.141AS.912,266AS底蚪.271-.107A5三二.448-.147A4二?陽I一“HP日A10,227二.4四A9.moa國翻-.129A7.417親鼻A3小3A2-.557ExtrartionMethod:PrincipalComponentAnalysis.RotationMethod:V