量表的信度与效度分析说课材料.ppt

量表的信度与效度分析;心理测验的量化分析;项目分析的策略;项目分析的策略;项目分析范例;项目分析操作程序;项目分析输出结果;描述统计评估法;描述统计评估法;同构型检验（信度功能）;同构型检验（信度功能）;;测验发展资料分析:项目分析;信度分析的步骤;信度分析之量表统计摘要;信度分析：共变与相关矩阵;信度分析结果(项目与总分相关);信度分析结果（CronBach’s Alpha);信度分析重点;项目分析结果;上机练习;2.因素分析;因素分析基本概念;因素分析主要的功能;因素与共变结构;因素分析运算的过程; 探索性因素分析; 探索性因素分析;因素分析的条件 ;因素分析的数学原理(相关矩阵);检验相关系数是否适当的方法;2.净相关矩阵： 变项之间是否具有高度关联，可以从偏低的净相关（partial correlation）来判断。 因素分析计算过程中，可以得到一个反映像矩阵，呈现出净相关的大小，该矩阵中，若有多数系数偏高，则应放弃使用因素分析。 除了此反映像矩阵之对角线系数以外，该系数称为取样适切性系数(KMO；Kaiser-Meyer-Olkin measure of sampling adequacy)，代表与该变项的有关的所有相关系数与净相关系数之比较值，该系数值越大，代表相关情形良好。其判断原理如下： ;因素的抽取（factor extraction） ;主轴因素法(principal axis factors) 与主成份分析法的不同，在于主轴因素法是分析变项间的共同变异量而非全体变异量。 其计算方式是将相关矩阵中的对角线，由原来的1.00改用共同性（communalities）来取代。 目的在抽出一系列互相独立的因素。第一个因素解释最多的原来变项间共同变异量；第二个因素解释除去第一个因素解释后，剩余共同变异量的最大变异；其余因素依序解释剩余的变异量中最大部分。直到所有的共同变异被分割完毕为止。 ;最小平方法（least squares method） 利用最小差距原理，针对特定个数的因素，计算出一个因素型态矩阵（factor pattern matrix）后，使原始相关矩阵与新的因素负荷量矩阵系数相减平方后数值最小，称为未加权最小平方法（unweighted least squares method），表示所抽离的因素与原始相关模式最接近。 最大概率法（maximum-likelihood method） 相关系数经变项的残差（uniqueness）加权后，利用参数估计（parameter estimation）原理，估计出最可能出现的相关矩阵的方法。;因素个数的决定;因素转轴（factor rotation） ; 1.直交转轴（orthogonal rotation）： 指转轴过程当中，因素之间的轴线夹角为90度，即因素之间的相关设定为0。 如最大变异法（varimax）、四方最大法 （quartimax）、均等变异法（equimax rotation）。 2.斜交转轴（oblique rotation）： 容许因素与因素之间，具有一定的共变，在转轴的过程当中，同时对于因素的关连情形进行估计。 例如最小斜交法（oblimin roation）、最大斜交法（oblimax rotation）、四方最小法（quartimin）等。;直交与斜交转轴的优点;因素分析操作程序;因素分析操作程序图标─以Rosenberg自尊量表为例;因素分析操作程序图标;因素分析操作程序图标;叙述统计 各题目之基本统计量，如平均数、标准偏差与个数 本例共有1704名受测者;因素分析范例输出结果;因素分析范例输出结果;多元回归分析范例输出结果(1) (强迫进入法);因素分析范例输出结果;因素分析范例输出结果;I57;;斜交转轴结果;此课件下载可自行编辑修改，仅供参考！感谢您的支持，我们努力做得更好！谢谢