SPSS进行量表分析.pdfVIP

利用 SPSS进行量表分析 2006-9-5 18:40:12 信息来源： 生物谷 SPSS教程 2： 利用 SPSS进行量表分析 生 物 谷 网 站 本节将介绍利用 SPSS软件对量表进行处理分析。 在获取原始数据后， 我们利用 SPSS对量表可以作出三种分析， 即项目分析、 因素分析和信度分析。 项目分析，目的是找出未达显著水准的题项并把它删除。它是通过将获得 的原始数 据求出量表中题项的临界比率值—— CR值来作出判断。通常，量 表的制作是要经过专家的设计与审查，因此，题项一般均具有鉴别度，能够 鉴别不同受试者的反应 程度。故往往在量表处理中可以省去这一步。 因素分析， 目的是在多变量系统中， 把多个很难解释， 而彼此有关的变量， 转化成少数有概念化意义而彼此独立性大的因素，从而分析多个因素的关 系。在具体应用时，大多数采用“主成份因素分析”法，它是因素分析中最 常使用的方法。 信度分析，目的是对量表的可靠性与有效性进行检验。如果一个量表的信 度愈高， 代表量表愈稳定。也就表示受试者在不同时间测量得分的一致性， 因而又称“稳定系数”。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，应以 重新编制较为适宜。 在本节中，主要介绍利用 SPSS软件对量表进行因素分析。 一、因素分析基本原理 因素分析是通过求出量表的“结构效度”来对量表中因素关系作出判断。 在 多变量关系中，变量间线性组合对表现或解释每个层面变异数非常有用， 主成 份 分析主要目的即在此。 变量的第一个线性组合可以解释最大的变异量， 排除前述 层次，第二个线性组合可以解释次大的变异量， 最后一个成份所能解释总变异量 的 部份会较少。 主成份数据分析中， 以较少成份解释原始变量变异量较大部份。 成份变异量 通常用“特征值”表示，有时也称“特性本质”或“ 潜在本质”。因素分析是 一种潜在结构分析法，其模式理论中，假定每个指针（外在变量或称题项）均由 两部分所构成，一为“共同因素”、一为“唯一因素”。共 同因素的数目会比 指针数（原始变量数）还少，而每个指针或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，则会有 n 个唯一因素。唯一因素性质有两 个假定： （1）所有的唯一因素彼此间没有相关； （2 ）所有的唯一因素与所有的共同因素间也没有相关。 至于所有共同因素间彼此的关系， 可能有相关或可能皆没有相关。 在直交转 轴状态下， 所有的共同因素间彼此没有相关； 在斜交转轴情况下， 所有的共同因 素间彼此就有相关。因素分析最常用的理论模式如下： 其中 （1） 为第 i 个变量的标准化分数。 （2 ）Fm为共同因素。 （3 ）m为所有变量共同因素的数目。 （4 ） 为变量 的唯一因素 （5 ） 为因素负荷量。