量表分析-苏州大学教育学院.ppt

因素分析——结构效度 因素分析是一种潜在结构分析法，其模式理论中，假定每个指标（外在变量或称题项、观察值、问卷问题）均由两个部份所构成，一为“共同因素” （common factor）、一为“唯一因素”（unique factor）。共同因素的数目会比原始变量数还少，而每个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，则也会有n个唯一因素。 因素分析的理论模式 其中 1．Zj 为第j个变量的标准化分数。 2．Fi为共同因素。 3．m为所有变量共同因素的数目。 4．Uj为变量 的唯一因素。 5．ajm为因素负荷量。 例如，从7个项目中抽取出4个因素 因素分析中的重要概念 因素负荷量：是在因素结构中，原始变量与因素分析时抽取出共同因素的相关。 共同性（communality）：每个变量在每个共同因素之负荷量的平方总和（一横列中所有因素负荷量的平方和），也就是个别变量可以被共同因素解释的变异量百分比，这个值是个别交量与共同因素间多元相关的平方。 因素分析中的重要概念 特征值（eigenvalue）：是每个变量在某一共同因素之因素负荷量的平方总和（一直行所有因素负荷量的平方和）。在因素分析之共同因素抽取中，特征值最大的共同因素会最先被抽取，其次是次大者，最后抽取的共同因素之特征值最小，通常会接近0 。 因素矩阵表 变量 F1（共同因素一） F2（共同因素二） 共同性 （h2） 唯一因素（d2） X1 a11 a12 a112+a122 1-h12 X2 a21 a22 a212+a222 1-h22 X3 a31 a32 a312+a322 1-h32 特征值 a112+a212+a312 a122+a222+a322 解释量 (a112+a212+a312) ÷3 (a122+a222+a322) ÷3 因素分析的步骤 计算变量间相关矩阵或共变量矩阵 因素抽取 决定转轴方法（rotation） 决定因素与命名 Sample Size 10 subjects per variable. To some, subject to variable ratio (STV) should at least be 5:1. Every analysis should have 100 to 200 subjects Correlation Matrix Kaiser-Meyer Olkin (KMO) measure of sampling adequacy small values indicate correlations between pairs of variables cannot be explained by other variables Marvelous - - - - - - .90s Meritorious - - - - - .80s Middling - - - - - - - .70s Mediocre - - - - - - - .60s Miserable - - - - - - .50s Unacceptable - - - below .50 Correlation Matrix Bartletts Test of Sphericity Tests hypothesis that correlation matrix is an identity matrix. Diagonals are ones Off-diagonals are zeros Significant result indicates matrix is not an identity matrix. 因素分析的步骤 计算变量间相关矩阵或共变量矩阵 因素抽取 决定转轴方法（rotation） 决定因素与命名 Criteria For Retention Of Factors Eigenvalue greater than 1 Plot of total variance - Scree plot Note cumulative % of variance of rotated factors 因素抽取的方法 最常使用的是主成份分析法（principal components）和主轴法（principal axis factoring） 因素抽取的方法 Principal Components Analysis: to form uncorrelated linear combinations of the observed variables. The first component has maximum