探索性因素研究.pptVIP

探索性因素分析 ——检验问卷的结构效度 现在我用一个测验来测自己某种心理特征，我会关心： 这个测验能测到我想测的东西吗？ ——效度 这种心理特征都包含了哪些心理成分？ ——结构 它在多大程度上能测到我想测的特质 ——结构效度 探索性因素分析用来做什么？ 它用于检验问卷的结构效度 什么是结构效度？ 测验能够测到某种心理结构和特质的程度。 结构是指用来解释行为的理论框架或心理特质 “我们假设的结构是不是真的存在”？ ——结构效度的验证 如何验证结构效度？ 根据文献、前人的研究结果、实际经验建立假设的结构（定义特质、确定维度） 根据假设的结构编制测验（编题目） 选取适当的对象进行测试（预测） 用统计方法考查测验是否能有效解释假设的理论结构（探索性因素分析） 文献整理中…… 测验编制中…… 测验施测中…… 测验数据输入中…… 项目分析（筛除不合格题目）中…… 如何操作探索性因素分析？ 先来完整过一遍… 注意力放在操作步骤上 六、因素分析（探索性） 【analyze】→【data reduction】→【factor】 进入因素分析的界面 选择需要因素分析的变量（题目） Descriptive描述按钮： initial solution方差累计百分比 KMO抽样适当性检验 Extraction萃取按钮： Principal components主成分分析法 Correlation matrix相关矩阵 Screet plot陡坡图 Eigenvalues over（选1）或number of factors（自己指定） Rotation旋转按钮 因素独立：varimax最大变异法 因素相关： direct oblimin直接斜交旋转法 Display：报告旋转后的相关信息 Scores分数按钮 Save as variables作为变量保存因素 Regression 回归法计算因素分数 Options（选择）按钮 Sort by size按因素负荷量大小排列 Supress absolute values less than因素负荷量小于某值不显示 因素分析的结果报告 因素分析适当性指标 因素解释的变异量 陡阶碎石图 因素负荷表 因素分析做完了！ ……结果如何呢？ 检验结构效度——解读结果报告 哪些题目聚在同一个因素下了！ 结果出来了，你对这个问卷的结构效度满意吗？ 不满意？ 没关系！这不是最终结果。 重新 “探索”问卷的理论假设结构 目标：找到与理论假设最接近的维度题目构成（结构） 行动：修改参数，删减题目重新做因素分析 重复做一次因素分析…… 这次注意力放在参数和题目上 Descriptive描述按钮： initial solution方差累计百分比 KMO抽样适当性检验 KMO抽样适当性检验 KMO：是否适合做因素分析的指标 0.5及以下，不能做因素分析 0.6以上，勉强可以进行因素分析 0.7以上，尚可进行因素分析 0.8以上，适合进行因素分析 如何提高KMO值？ 加大样本量：做因素分析时，题目数与预试样本量的比例为1:5~1:10（或n300） 减少维度和题目（此法不推荐使用！） Extraction萃取按钮： Principal components主成分分析法 Correlation matrix相关矩阵 Screet plot陡坡图 Eigenvalues over（选1）或number of factors（自己指定） 陡阶碎石图用于选取合适的因素数目此图5、6、7个都行 上次我们选的是Eigenvalues over：1 这次我们根据陡阶碎石图指定因素数目number of factors： Rotation旋转按钮 因素独立：varimax最大变异法 因素相关： direct oblimin直接斜交旋转法 Display：报告旋转后的相关信息 Scores分数按钮 Save as variables作为变量保存因素 Regression 回归法计算因素分数 Options（选择）按钮 Sort by size按因素负荷量大小排列 Supress absolute values less than因素负荷量小于某值不显示 新的因素分析结果出来了！ 看看是不是按我们所希望变化的， 也看看有没有出现新问题 没变！ 因素解释的变异量：减小了，不是我们希望的变化原因：因素数目越少，解释变异量必然减小 陡阶碎石图：没变！ 因素负荷：变了，因素3、4、5下题目均匀且符合假设。但，1因素下的题项太多，2因素下的题58不属于这个因素下 再做一次因素分析 这次我们把因素数目选为6，