SPSS 教程 2:利用 SPSS 进行量表分析 热荐★★★★
作者:未知文章来源:本站原创点击数: 664 更新时间:2006-11-1
22:36:38
本节将介绍利用 SPSS 软件对量表进行处理分析。
在获取原始数据后,我们利用 SPSS 对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——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,因而又称“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。但是对于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 SPSS 软件对量表进行因素分析。
一、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,变量间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)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:
评论0
最新资源