量表分析及因子分析1.pptVIP

第六章 量表分析及因子分析 本章讲授主要内容 各种系数应该多大才能认为该量表的信度较高？ 没有统一的标准！ 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，干脆扔掉，重新编制较为适宜。 因子分析的条件 因子分析的原理 SPSS因子分析操作 探索性因子分析步骤 第一步：通过共变关系的分解，找出最低限度的主要成分（principal component）或共同因子（common factor）。 第二步：探讨这些主成分或共同因子与个别的变量的关系，找出观测变量与其相对应因子的强度，即因子负荷值或负载值（factor loading），以说明因子与所属的观察变量的关系与强度。 第三步：决定因子的内容，为因子取一个合适的名字。 为因子fi 解释变量Xi变异的比例 因子分析的变量都必须是连续变量，符合线性相关的假设。 顺序与类别变量不得使用因子分析简化结构。 抽样的过程必须具有随机性，并具有一定的规模。 如果研究的总体具有较高的同质性（如学生样本），变量数目不多，样本数可以介于100~200之间；Gorsuch（1983）建议样本数最少为变量数的5倍，且大于100。 1.因子分析模型 可以证明,经过标准化的变量,不改变变量间的相关系数。 因子分析模型在形式上和多元回归模型相似，每个观测变量由一组因子的线性组合来表示。 上式中，F1，F2，……Fm叫公共因子（Common factors），它们是各个观测变量所共有的因子，解释了变量之间的相关。 Ui称为特殊因子(Unique factor)，它是每个观测变量所特有的因子，相当于多元回归中的残差项，表示该变量不能被公共因子所解释的部分。 aim称为因子负载(Factor loading)，它是第i个变量在m个公共因子上的负载，相当于多元回归分析中的标准回归系数。 F1 F2 F,k X1 X2 Xk …… …… …… U1 U2 Uk a11 a21 am1 a12 a22 am2 a1m a2m akm 因子模型也可以用路径分析图表示 因子分析的数学原理（相关矩阵） 因子分析的基础是变量之间的相关。因此，应先计算若干个选项（如X1到X10）的两两相关，详细分析相关矩阵代表的意义。 如果“自尊”用Y来表示，其他10个选项的分数以X1到X10表示，则Y的得分可以用以下数学模型预测得到： Y =b1X1 + b2X2 + b3X 3 + …… + b10X10 + U 因子分析中的有关概念 因子负载（负荷） 因子负荷是因子分析中的最重要的统计量，它是连接观测变量和公共因子之间的纽带。因子负荷不仅表示观测变量如何由因子线性表示的，而且也反映了因子和变量之间的相关关系。 假如我们得到了5个观测变量、2个公共因子的情形： X1=0.9562F1+0.2012F2+0.2126U1 X2=0.8735F1+0.2896F2+0.3913U2 X3=0.1744F1+0.8972F2+0.4057U3 X4=0.5675F1+0.7586F2+0.3202U4 X5=0.8562F1+0.3315F2+0.3962U5 可以看出，公共因子F1与变量X1、X2、X4、X5关系密切，它主要代表了这些变量的信息。F2与变量X4、X5关系密切，它主要代表了这两个变量的信息。 F1 F2 hi2 X1 0.9562 0.2012 0.9548 X2 0.8735 0.2896 0.8469 X3 0.1744 0.8972