因素分析范例输出结果.ppt

* 因素分析操作程序圖示 KMO與Bartlett球形檢定，檢定相關係數是否達顯著 步驟二： 進入描述性統計量對話框，選擇所需之統計量 單變量描述性統計量可以得到各題之平均數、標準差等 步驟三： 進入萃取對話框，選擇因素分析方法(如主成分) 點選陡坡圖進行陡坡檢定 特徵植大小決定因素抽取之門檻 點選因子個數可以強迫抽取特定個數之因素 * 因素分析操作程序圖示 要求顯示因子負荷圖 步驟五： 進入選項對話框，決定因素負荷量的排列方式，要求題目依因素負荷量大小排列 輸入0.1表示要求小於0.1之因素負荷值不呈現於表格中 步驟四： 進入轉軸法對話框，選擇所需之轉軸方式如最大變異法 最大變異法即直交轉軸，假設因子之間互相獨立，而直接斜交法則假設因子之間具有相關 * 敘述統計 各題目之基本統計量，如平均數、標準差與個數 本例共有1704名受測者 因素分析範例輸出結果 KMO為0.879，接近1，達顯著 Barlett球形檢定之卡方值為5569.703，達顯著 表示本例適合進行因素分析 * 因素分析範例輸出結果 共同性 顯示各題目變異量被共同因素解釋之比例。 共同性越高，顯示該變項與其他變項可測量的共同特質越多，也就越有影響力。 (此例中，以I56影響力最大) * 因素分析範例輸出結果 解釋變異量 說明因素分析所抽取之因素能夠解釋全體變異量之比例 以特徵植為1為萃取標準時，共得到 2個主要因素，分別可以解釋41.75%與14.49%的變數變異量。共計佔56.24% 轉軸後 因兩因素相對位置不變，全體可以解釋之變異量不變仍為56.24% 但是因素之完整性增加，可以解釋的比重改變，分別可以解釋33.22%與23.02%的變數變異量 * 多元迴歸分析範例輸出結果(1) (強迫進入法) 殘差分析 用以檢定極端值的存在，以及是否違反常態性假設。 殘差的值為觀察值與預測值的差，殘差越大，表誤差越大。標準化後之殘差絕對值若大於1.96，代表偏離值。 結果顯示無偏離值，但因樣本太少，殘差非呈現常態分配。 * 因素分析範例輸出結果 陡坡圖 用以協助決定因素的個數，當線型趨於平緩時，表示無特殊因素值得以抽取。 急速上升(或下降)之線形，表示有特殊因素存在。 結果顯示可能有兩個因素。 * 因素分析範例輸出結果 成份矩陣 構成某一因素的題目內容與比重，未經轉軸的原始負荷量。 同一個變數的負荷量平方值加總後即為共同性。 例：0.7322+(-.309)2 = .734 負荷量越高，則該變項之因子之重要性也越大 * I57 我覺得自己和別人一樣有價值 I58 我十分地看重自己 I51 大體來說，我對我自己十分滿意 I54 我自信我可以和別人表現得一樣好 I53 我覺得自己有許多優點 I56 有時候我的確感到自己沒有什麼用處 I60 我對我自己抱持積極的態度 I56 有時候我的確感到自己沒有什麼用處 I52 有時我會覺得自己一無是處 I55 我時常覺得自己沒有什麼好驕傲的 I59 我常會覺得自己是一個失敗者 因素1 因素2 轉軸後成份矩陣 表示構成某一因素的題目內容與比重，經由直交轉軸後的因素負荷量。 相類似之題目構成某一特定的因素。因此因素之名稱可以藉由題目內容來決定。 (正向人格特質) (負面人格特質) * 負面人格特質 正向人格特質 成份圖 表示各因素之間的相對位置與組成變數的關係圖。 成份轉換矩陣 用以計算各項目負荷量的參數。 功能在說明轉軸之方向與角度大小。 * 斜交轉軸結果 結構矩陣 因素負荷值代表成份與變數之間的相關係數。功能在於反應成分與變數之間的關係。適合於因素命名的決定。 成分相關矩陣 表示因素之間的相關。直接由轉軸後的兩個成分所計算得出。 兩因素 相關為0.36 * * * * * 即 * 同質性檢驗（信度功能） 步驟一 選取量尺法中的信度分析 步驟二 選取所預分析的變項移至清單中。點選統計量。 * 同質性檢驗（信度功能） 步驟三 選取刪除項目後之量尺摘要。 * 1. 項目與總分相關: ****** Method 1 （space saver） will be used for this analysis ****** R E L I A B I L I T Y A N A L Y S I S - S C A L E （A L P H A） Item-total Statistics Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total