探索性因素分析的原理与步骤.pptVIP

中国情境下的真诚领导问卷修订 汇报人： 高璐、崔文龙、王金阳 1 分析过程 操作演示 结果展示 目录 * 分析过程 操作演示 结果展示 目录 * 探索性因素分析的基本过程 高质量的数据产生高质量的信息 否则就是garbage in,garbage out 1. 2. （一）、确定变量及样本 观察相关矩阵 KMO值检验和球形检验的结果 1. 2. （二）、判断是否适合做EFA 三种方法: 以特征跟是否1为标准 参考特征跟的碎石图 1. 2. 方差贡献率 3. （三）、因子提取 唯一  正确  客观  综合判断  （三）、因子提取 目的：更易解释的负荷结构 方法：正交旋转VS斜交旋转 （四）、因素的旋转  因素间可以相关 导致较差的拟合度 斜交旋转能提供更多的信息 （四）、因素旋转  事实上的相关被强制限制 经验性主观色彩 合理即可接受 （五）、因子的解释 分析过程 操作演示 结果展示 目录 * 数据 数据符合相应假设 从数据得到的信息 进行EFA的必要性 SPSS操作演示 基于EFA对量表进行初步修订 判断：判断该数据是否适合采用因子分析 删除：删除那些负载小和重复负载的变量 提取：根据新的旋转成份矩阵和碎石图 方案：提出量表进一步修订的建议和方案 分析过程 操作演示 结果展示 目录 * 因子分析的适宜性检验； 提取因子的方法； 删除条目的标准； 最终结果的呈现。 如何在论文中报告探索性因素分析的结果 在进行探索性因素分析之前，需对数据的适宜性进行检验，通常检验的方法为KMO值以及Bartlett球形检验。本研究通过对回收的数据进行分析，最终得出结果：KMO值为.805，且Bartlett球形检验结果显著（0.05）。两个指标都说明数据是适合做因素分析的。具体结果如表1所示： （一）、 原始变量因子分析的适宜性检验 抽取因子的方法 因子旋转的方法 1 需报告的核心要素： 2 （二）、提取因子的方法 选择因子的方法 3 （二）、提取因子的方法 运用主成分分析法，并通过方差最大法进行正交旋转。提取特征根大于1，并参照碎石图（见图1）来确定因子的有效数目。 （三）、删除条目的标准 在探索性因素分析过程中，主要参照各个项目的共同度和因素负荷值，对部分项目进行了筛选。项目保留的标准: 该项目在某一因素上的负荷超过 .32； 该项目不存在交叉负荷； 保证每个维度上最后保留的项目至少为三个； 项目的一致性系数。 即不在两个因素上都有超过 .35 的负荷； （四）、最终结果呈现 因子数、各个因子所包含的条目数、 因子负荷、方差贡献率、内部一致性系数 1 需报告的核心要素： 2 经过上述步骤，最终抽取的有效因子数为3个，形成的问卷项目为17个。结合各项目所表达的含义，依据各维度项目由少到多依次命名为: “领导程序公平”、“领导成员关系”、“领导真实性”。 因子累计方差贡献率为55．866%，各个项目在相应因素上具有较大的负荷，处于．553－．821之间。各因子内部一致性系数在．803－．826， 问卷总的内部一致性系为．875。 。结果表示如下： （四）、最终结果 （四）、最终结果呈现 （四）、最终结果呈现 疑问? 127