结构效度的测定方法 SPSS因子分析 .pptVIP

* * 结构效度的测定方法 —因子分析 效度的基本概念 01 STEP 因子分析的基本原理 02 STEP 因子分析操作程序 03 STEP 因子分析的报表解释 04 STEP 2 内容 效度 效标关 联效度 指测量量表内容或题项的适当性与代表性，及测验内容能反应所要测量的心理特质，能否测量到所要测验的目的或行为构想，内容效度的检验通常会透过双向细目表，以考查测验内容的效度，内容效度常以题目分布的合理性来判断，属于一种命题的逻辑分析，因而内容效度也称为“逻辑效度”（logical validity）。 指测验与外在效标间关联的程度，如果测验与外在效标间的相关愈高，表示此测验的效标关联效度愈高。 概念 3 结构 效度 专家 效度 指测验能够测量出理论的特质或概念的程度，即实际的测验分数能解释某一心理特质的多少。反映的是工具与其所依据的理论或概念框架间的相结合程度。结构效度分为聚合效度（convergent validity）和判别效度（discriminant validity）。 在研究者根据理论假设编制测验或量表后，如果无法编制双向细目表进行内容效度检验，可以将编制好的量表请相关的学者专家加以审查并提供修正意见，研究者再根据专家学者的意见进行修正。 概念 4 原理 因素分析是一种潜在的结构分析方法，其模式理论中，假定每个指针（外在变量或成题项、观察值、问卷问题）均由两个部分构成，一为“共同因子”（common factor）、一为“唯一因子”（unique factor）。 因子分析最常用的模式如下： （j=1,2,3…,n，n为原始变量总数） 变量 F1（共同因素一） F2（共同因素二） 共同性（h2） 唯一因子（d2） X1 a11 a12 a112+a122 1-h12 X2 a21 a22 a212+a222 1-h22 X3 a31 a32 a312+a322 1-h32 特征值 a112+a212+a312 a122+a222+a322 解释量 (a112+a212+a312) ÷3 (a122+a222+a322) ÷3 以三个变量抽取二个共同因子为例 系数aji为第个i变量与第k个因子之间的线性相关系数，反映变量与因子之间的相关程度，也称为载荷(loading)。由于因子出现在每个原始变量与因子的线性组合中，因此也称为公因子。 Uj为特殊因子，代表公因子以外的因素影响 原理 5 计算变量间的相关矩阵或协方差矩阵 估计因素负荷量 转轴方法 决定因素与命名 01 02 03 04 因子分析的主要步骤 6 01 计算变量间的相关矩阵或协方差矩阵 如果一个变量与其它变量间相关很低，在下一个分析步骤中可以考虑剔除此变量，还要考量到变量的“共同性”（communality）与“因子负荷量”（factor loadings）。 若相关矩阵中的大部分相关系数小于0.3，则不适合作因子分析。 7 02 估计因素负荷量 决定因子抽取的方法，有主成分分析法、主轴法、一般化最小二乘法、未加权最小二乘法、极大似然法、Alpha因子抽取法与映象因子抽取法。 最常使用者为主成分分析法与主轴法，研究者应多采用主成分分析法来估计因子负荷量。 8 转轴方法 因子旋转的目的是为了便于理解和解释因子的实际意义,主要有两种方式:正交旋转(Orthogonal rotation) 和斜交旋转(Oblique rotation) 03 转轴后，每个公因子的特征值会改变，与转轴前不一样，但每个变量的共同性不会改变。 9 04 决定因子与命名 转轴后，要决定因子数量，选取较少因子层面，获得较大的解释量。 主成分资料分析中，以较少成分解释原始变量变异量的较大部分。成分变异量通常以“特征值”（eigenvalues）表示，有时也称“特性本质”（characteristic roots）或“潜在本质”（latent roots）。 10 Factor Analysis 适用条件 KMO统计量： 取值范围在0 ～1之间 Bartlett’s球形检验 总样本量不得少于100，而且原则上越大越好 样本量与变量数的比例应在5:1以上 11 PPT模板下载：/moban/ 行业PPT模板：/hangye/ 节日PPT模板：/jieri/ PPT素材下载：/sucai/ PPT背景图片：/beijing/ PPT图表下载：/tubiao/ 优秀PPT下载：/xiazai/ PPT教程： /powerpoint/ Word教程： /word/