利用SPSS進(jìn)行量表分析參考模板

1、 第五節(jié)  利用SPSS進(jìn)行量表分析  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(duì)量表進(jìn)行處理分析。在獲取原始數(shù)據(jù)后，我們利用SPSS對(duì)量表可以作出三種分析，即項(xiàng)目分析、因素分析和信度分析。項(xiàng)目分析，目的是找出未達(dá)顯著水準(zhǔn)的題項(xiàng)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(xiàng)的臨界比率值CR值來(lái)作出判斷。通常，量表的制作是要經(jīng)過專家的設(shè)計(jì)與審查，因此，題項(xiàng)一般均具有鑒別度，能夠鑒別不同受試者的反應(yīng)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(gè)很難解釋，而彼此有關(guān)的變量，轉(zhuǎn)化成少數(shù)

2、有概念化意義而彼此獨(dú)立性大的因素，從而分析多個(gè)因素的關(guān)系。在具體應(yīng)用時(shí)，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(duì)量表的可靠性與有效性進(jìn)行檢驗(yàn)。如果一個(gè)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(shí)間測(cè)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(diǎn)，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(duì)于可接受的最小信度系數(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(duì)量表進(jìn)行因素分

3、析。 一、因素分析基本原理因素分析是通過求出量表的“結(jié)構(gòu)效度”來(lái)對(duì)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(duì)表現(xiàn)或解釋每個(gè)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(gè)線性組合可以解釋最大的變異量，排除前述層次，第二個(gè)線性組合可以解釋次大的變異量，最后一個(gè)成份所能解釋總變異量的部份會(huì)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(shí)也稱“特性本質(zhì)”或“潛在本質(zhì)”。因素分析是一種潛在結(jié)構(gòu)分析法，其模式理論中，假定每個(gè)指針（外在變量或稱題項(xiàng)）均由兩部分所構(gòu)成，一為“共同因素”、一為“唯一因素”。共同因素的數(shù)目會(huì)比指針數(shù)（原始

4、變量數(shù)）還少，而每個(gè)指針或原始變量皆有一個(gè)唯一因素，亦即一份量表共有n個(gè)題項(xiàng)數(shù)，則會(huì)有n個(gè)唯一因素。唯一因素性質(zhì)有兩個(gè)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：2 / 19 其中（1）為第i個(gè)變量的標(biāo)準(zhǔn)化分?jǐn)?shù)。（2）Fm為共同因素。（3）m為所有變量共同因素的數(shù)目。（4）為變量的唯一因素（5）為因素負(fù)荷量。因素分析的理想情況，在于個(gè)別因素負(fù)荷量不是很大就

5、是很小，這樣每個(gè)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因素?cái)?shù)來(lái)解釋變量間的關(guān)系程度，則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，是因素結(jié)構(gòu)中原始變量與因素分析時(shí)抽取出共同因素的相關(guān)。在因素分析中，有兩個(gè)重要指針：一為“共同性”，二為“特征值”。 -所謂共同性，就是每個(gè)變量在每個(gè)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(gè)別變量可以被共同因素解釋的變異量百分比，這個(gè)值是個(gè)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(gè)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

6、個(gè)原始變量便有多少個(gè)成份，所以共同性會(huì)等于1，沒有唯一因素）。 -所謂特征值，是每個(gè)變量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(huì)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(huì)接近0（在主成份分析中，有幾個(gè)題項(xiàng)，便有幾個(gè)成份，因而特征值的總和剛好等于變量的總數(shù)）。將每個(gè)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，即在因素結(jié)構(gòu)的簡(jiǎn)單化，希望以最少的共同因素，能對(duì)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(gè)例子說明如何

7、利用SPSS軟件對(duì)量表進(jìn)行分析。 二、利用SPSS對(duì)量表進(jìn)行因素分析【例6-9】 現(xiàn)要對(duì)遠(yuǎn)程學(xué)習(xí)者對(duì)教育技術(shù)資源的了解和使用情況進(jìn)行了解，設(shè)計(jì)一個(gè)里克特量表，如表6-27所示。   將該量表發(fā)放給20人回答，假設(shè)回收后的原始數(shù)據(jù)如表6-28所示。操作步驟： 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。 因素分析（1）選擇“AnalyzeData ReductionFactor”命令，彈出“Factor Analyze”對(duì)話框，將變量“A1”到

8、“A10”選入“Variables”框中,如圖6-34所示。（2）設(shè)置描述性統(tǒng)計(jì)量單擊圖6-34對(duì)話框中的“Descriptives”按鈕，彈出“Factor Analyze:Descriptives”（因素分析：描述性統(tǒng)計(jì)量）對(duì)話框，如圖6-35所示。 “Statistics”（統(tǒng)計(jì)量）對(duì)話框A “Univariate descriptives”（單變量描述性統(tǒng)計(jì)量）：顯示每一題項(xiàng)的平均數(shù)、標(biāo)準(zhǔn)差。B “Initial solution”（未轉(zhuǎn)軸之統(tǒng)計(jì)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。 “Correlation Matric”（相關(guān)矩陣）選項(xiàng)框A “Coe

9、fficients”（系數(shù)）：顯示題項(xiàng)的相關(guān)矩陣B “Significance levels”（顯著水準(zhǔn)）：求出前述相關(guān)矩陣地顯著水準(zhǔn)。C “Determinant”（行列式）：求出前述相關(guān)矩陣地行列式值。D “KMO and Bartletts test of sphericity”（KMO與Bartlett的球形檢定）：顯示KMO抽樣適當(dāng)性參數(shù)與Bartletts的球形檢定。E “Inverse”（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(duì)角線及下三角形代表相關(guān)系數(shù)。G “Anti-image”（反映像）：求出

10、反映像的共變量及相關(guān)矩陣。在本例中，選擇“Initial solution”與“KMO and Bartletts test of sphericity”二項(xiàng)，單擊“Continue”按鈕確定。（3）設(shè)置對(duì)因素的抽取選項(xiàng)單擊圖6-34對(duì)話框中的“Extraction”按鈕，彈出“Factor Analyze:Extraction”（因素分析：抽?。?duì)話框，如圖6-36所示。  “Method”（方法）選項(xiàng)框：下拉式選項(xiàng)內(nèi)有其中抽取因素的方法：A “Principal components”法：主成份分析法抽取因素，此為SPSS默認(rèn)方法。B “Unweighted least squa

11、res”法：未加權(quán)最小平方法。C “Generalized least square”法：一般化最小平方法。D “Maximum likelihood”法：最大概似法。E “Principal-axis factoring”法：主軸法。F “Alpha factoring”法：因素抽取法。G “Image factoring”法：映像因素抽取法。 “Analyze”（分析）選項(xiàng)框A “Correlation matrix”（相關(guān)矩陣）：以相關(guān)矩陣來(lái)抽取因素B “Covariance matrix”（共變異數(shù)矩陣）：以共變量矩陣來(lái)抽取因素。 “Display”（顯示）選項(xiàng)框A “Unrotate

12、d factor solution”（未旋轉(zhuǎn)因子解）：顯示未轉(zhuǎn)軸時(shí)因素負(fù)荷量、特征值及共同性。B “Scree plot”（陡坡圖）：顯示陡坡圖。 “Extract”（抽?。┻x項(xiàng)框A “Eigenvalues over”（特征值）：后面的空格默認(rèn)為1，表示因素抽取時(shí)，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。B “Number of factors”（因子個(gè)數(shù)）：選取此項(xiàng)時(shí)，后面的空格內(nèi)輸入限定的因素個(gè)數(shù)。在本例中，設(shè)置因素抽取方法為“Principal components”，選取“Correlation matrix”、“Unrotated factor solution

13、”、“Principal components”選項(xiàng)，在抽取因素時(shí)限定在特征值大于1者，即SPSS的默認(rèn)選項(xiàng)。單擊“Continue”按鈕確定。（4）設(shè)置因素轉(zhuǎn)軸單擊圖6-34對(duì)話框中的“Rotation”按鈕，彈出“Factor Analyze:Rotation”（因素分析：旋轉(zhuǎn)）對(duì)話框，如圖6-37所示。  “Method”（方法）選項(xiàng)方框內(nèi)六種因素轉(zhuǎn)軸方法：A “None”：不需要轉(zhuǎn)軸B “Varimax”：最大變異法，屬正交轉(zhuǎn)軸法之一。C “Quartimax”：四次方最大值法，屬正交轉(zhuǎn)軸法之一。D “Equamax”：相等最大值法，屬正交轉(zhuǎn)軸法之一。E “Direct Ob

14、limin”：直接斜交轉(zhuǎn)軸法，屬斜交轉(zhuǎn)軸法之一。F “Promax”：Promax轉(zhuǎn)軸法，屬斜交轉(zhuǎn)軸法之一。 “Display”（顯示）選項(xiàng)框：A “Rotated solution”（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)軸則顯示因素組型、因素結(jié)構(gòu)矩陣與因素相關(guān)矩陣。B “Loading plots”（因子負(fù)荷量）：繪出因素的散步圖。 “Maximum Iterations for Convergence”：轉(zhuǎn)軸時(shí)之行的疊代最多次數(shù)，后面默認(rèn)得數(shù)字為25，表示算法之行轉(zhuǎn)軸時(shí)，執(zhí)行步驟的次數(shù)上限。在本例中，選擇“Varimax”、“Rotated s

15、olution”二項(xiàng)。研究者要選擇“Rotated solution”選項(xiàng)，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)單擊圖6-34對(duì)話框中的“Scores”按鈕，彈出“Factor Analyze:Factor Scores”（因素分析：因素分?jǐn)?shù)）對(duì)話框，如圖6-38所示。 “Save as variable”（因素存儲(chǔ)變量）框勾選時(shí)可將新建立的因素分?jǐn)?shù)存儲(chǔ)至數(shù)據(jù)文件中，并產(chǎn)生新的變量名稱（默認(rèn)為fact_1、fact_2、fact_3、fact_4等）。在“Method”框中表示計(jì)算因素分?jǐn)?shù)的方法有三種：A “Regression”：使用回歸法。B “B

16、artlett”：使用Bartlette法C “Anderson-Robin”：使用Anderson-Robin法。 “Display factor coefficient matrix”（顯示因素分?jǐn)?shù)系數(shù)矩陣）選項(xiàng)勾選時(shí)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(xiàng)單擊圖6-34對(duì)話框中的“Options”按鈕，彈出“Factor Analyze:Options”（因素分析：選項(xiàng)）對(duì)話框，如圖6-39所示?！癕issing Values”（遺漏值）選項(xiàng)框：遺漏值的處理方式。A “Exclude cases listwise”（完全排除遺

17、漏值）：觀察值在所有變量中沒有遺漏值者才加以分析。B “Exclude cases pairwise”（成對(duì)方式排除）：在成對(duì)相關(guān)分析中出現(xiàn)遺漏值得觀察值舍棄。C “Replace with mean”（用平均數(shù)置換）：以變量平均值取代遺漏值?！癈oefficient Display Format”（系數(shù)顯示格式）選項(xiàng)框：因素負(fù)荷量出現(xiàn)的格式。A “Sorted by size”（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。B “Suppress absolute values less than”（絕對(duì)值舍棄的下限）：因素負(fù)荷量小于后面數(shù)字者不被顯示，默認(rèn)的值為0.1。在本

18、例中，選擇“Exclude cases listwise”、“Sorted by size”二項(xiàng)，并勾選“Suppress absolute values less than”，其后空格內(nèi)的數(shù)字不用修改，默認(rèn)為0.1。如果研究者要呈現(xiàn)所有因素負(fù)荷量，就不用選取“Suppress absolute values less than”選項(xiàng)。在例題中為了讓研究者明白此項(xiàng)的意義，才勾選了此項(xiàng)，正式的研究中應(yīng)呈現(xiàn)題項(xiàng)完整的因素負(fù)荷量較為適宜。單擊“Continue”按鈕確定。設(shè)置完所有的選項(xiàng)后，單擊“OK”按鈕，輸出結(jié)果。 結(jié)果分析（1）KMO及Bartlett檢驗(yàn)如圖6-40所示，顯示KMO及Bart

19、lett檢驗(yàn)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(shí)，表示變量間的共同因素愈多，愈適合進(jìn)行因素分析，根據(jù)專家Kaiser（1974）觀點(diǎn)，如果KMO的值小于0.5時(shí)，較不宜進(jìn)行因素分析，此處的KMO值為0.695，表示適合因素分析。此外，從Bartletts球形檢驗(yàn)的 值為234.438，自由度為45，達(dá)到顯著，代表母群體的相關(guān)矩陣間有共同因素存在，適合進(jìn)行因素分析。（2）共同性如圖6-41所示，顯示因素間的共同性結(jié)果。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(xiàng)的共同性。（3）陡坡圖如圖6-42所示，顯示因素的陡坡圖。 從陡坡圖中，可以看出從第三個(gè)因素以后，坡線甚為平坦，因而以保留3個(gè)因素較為適宜。（4）整體解釋的變異數(shù)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)。 從圖中可以看出，左邊10個(gè)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(xiàng)數(shù)，如第一個(gè)特征值得解釋變異量為6.358÷10 63.579。將左邊10個(gè)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(gè)，這也是因素分析時(shí)所抽出的共同因素?cái)?shù)。由于特征值是由大到小排列，所以第一個(gè)共同因素的解釋變異量通常是最大者，其次是第二個(gè)1.5