量表的統(tǒng)計(jì)分析_第1頁
量表的統(tǒng)計(jì)分析_第2頁
量表的統(tǒng)計(jì)分析_第3頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、社曾研究方法信封秉寅老肺1、常我伸號(hào)用多重指襟來測量一他橫念或潸在畤,我伸號(hào)可用SPSS中的Analyze逐|內(nèi)的Scale中的ReliabilityAnalysis來估言十潸在ffi!典的的相程度。之所以用ReliabilityAnalysis是因懸多他的我I寸同一潸在8之測量就好像是封一做重褪測量。我伸號(hào)要知道的是適些曲的內(nèi)在一致性懸何。內(nèi)在一致性信度所心的就是黜成量表之曲的同II性懸何。而內(nèi)在一致性最常用的統(tǒng)言十是用Cronbachas彳系數(shù)來表示(亦即SPSS之ReliabilityAnalysis內(nèi)之AlphaModel)0言十算系數(shù)常見的公式是根摞平均曲:相信舒系數(shù)(average

2、inter-itemcorrelation)的r,其公式懸kr0f=I,其中K是曲的數(shù)目。1(k-1)r此公式所表連的理念是民懸量表的共建昊量可E帚因於同一來源或因素的比例。換言之,道些曲之共建昊有一定的比例是來自受前者封一潸在建的不同反鷹,而不是因懸曲有不同的意羲或is言十的不好。此公式亦ie示,如果曲數(shù)目越多且有相常程度之內(nèi)在一致性的1舌,JWa值曾越高。但如果的之內(nèi)在一致性不高,Ua值曾不高。依照以上公式在SPSS所得到的CronbachsalphOWSstandardizeditemalpha。如果Cronbachsalphas算是用平均的IW的共建量(averageinter-ite

3、mcovariance)和曲之平均HJS量之比值(cov)來替代上述公式var之的忘舌,JW得到的a值就是SPSS所得到之Alpha,此彳系數(shù)事上是封真Walpha的估言十值,其估言十是信度真值之下限。通常a值至少鷹在0.7以上才符曲加成一量表的分?jǐn)?shù)。2、至此所言寸謫之情成量表的一黜曲是在測量同一他潸在建(或此潸在建懸K一面向,uni-dimensional)。如果適些的之共同是源自多(0潸在H51(或懸多面向,multi-dimensional)氏刖我伸號(hào)就要用統(tǒng)殖因素分析(factoranalysis)的統(tǒng)言十方法來探索。因素分析可分成探索性(exploratory)和性(coMirmat

4、ory)雨大IS。在此,僮封探索性因素分析做介貂。而彳爰者常見的方法如LISREL。3、我伸號(hào)可以用以下的因果圄形來表示多他潸在8Kg典一黜曲的信舒系:4、任一因素到的路彳至的襟型化彳系數(shù)在因素分析中是耦之懸因素H荷(factorloading),造就代表每一曲和其逋之因素的相程度。5、因素分析的目的是除測量到之曲化余勺成少數(shù)潸在(共同因素)來解釋曲彼此的相信隊(duì)逐取共同因素之謾程是先就曲余恩共建昊量(或共同相信在)中退出第一他最能解釋此共建的因素,然彳爰再看是否有其他第二或第三他因素能別解釋其他曲仍然有的共建部份。如下圄所示。因素分析的程式曾先去以一(0共同因素解釋圄中代表三共同燮昊的疊色部份

5、。常疊色部份被共同因素解釋彳爰,剩下黃色代表其他共建的部份曾用其他的共同因素來解釋。6、第一他因素退出來彳爰,是否遢有第二他因素要被退出來,必i(根at所使用之因素分析方法而定。因懸曲的部份共建可能是瓢法解釋或不太重要的。因此,到底要逗取襄他因素是一重要的ssa。通常有雨他策略:一懸用比敕曾罩的因素結(jié)情,亦即敕少數(shù)目的因素,來解釋的的共建;另一懸翥量解釋大部分的共建,此即意酒適用比敕多的因素。因素分析已展出黑槿不同的襟型。最常見的襟型之一是用Kaiser的特徵值SOW(eigenvaluerule)?;旧洗私笮偷呐袛嗷攀牵喝绻畈畹囊蛩乇纫凰瓉淼牡钠骄忉屃磕芙忉尭嗟慕℉,那就保留此因

6、素。反之,如果一(0因素或更多因素比一他原來的能解釋的更少,那保留適些因素或沒有作用。因此,此方社曾研究方法信司秉寅老肺法是在用一黜比原來冏數(shù)目遢少的因素來解釋共建之能力懸基型。利用此襟型的因素分析方法主要是主成份(principalcomponents)分析方法。此法是招原來冏做性黜合(linearcombinations)彳爰,而第一(0性黜合所形成之成份(component)能解釋原來最大比例之冏:的共建量。此component之建累量即懸eigenvalue的概念。我伸催I取因素之襟型通常是:H成分(或因素)之eigenvalue大於1,因發(fā)原來的eigenvalue就是定1。7、主成

7、份分析法(PCA)所分析的資料是所有覲察到之(m)的建昊量。因此,所得到之成份懸覲察到的性黜合。而另外有一10耦懸因素分析法(factoranalysis;FA)的,刖是只用覲察到之fBHIW共建量來分析,其假定是得到的因素懸未覲察到之的性黜合。8、不謫是用哪槿因素分析方法,初步得到的結(jié)果往往瓢法提供人容易解釋的因素。因此,我伸號(hào)可逗攆旋樽(rotation)的方法(您可想像因素如同懸在多雉空IW之事由,而冏懸在此空IW典各串由IW依照系速近而散佛之資料黑占)來強(qiáng)化冏典因素之信割系彳爰,使得因素的意羲建得比敕容易被人理解。通常旋樽彳爰,原先和比敕大之facto門oadings11rli的更大,而比敕小的11r更小。常見之旋樽方法有雨I,一懸直角旋樽,另一懸斜交旋樽。前者是假定因素分析彳爰所得到的因素是相互才蜀立瓢相存在的。而彳爰者JW允音午因素的相9、旋樽彳爰的因素分析,可利用factohoadings做懸一?HS重,符冏分?jǐn)?shù)依性黜合成因素分?jǐn)?shù)(factorscores)。也就是每一(0受粉者依其在一黜冏上之分?jǐn)?shù),可樽換成此黜冏在因素分析彳爰所得到之每一(0因素的分?jǐn)?shù)。適些因素可迤一步視懸是自8Kg或映80。1

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論