【已修改】讲稿-探索性因素分析的操作.pdf

《探索性因素分析的操作》微课制作讲稿 微课名称 探索性因素分析的操作 内容 讲稿 大家好，前面我们已经学习了探索性因素分析的基本原理，今天我们 一起来学习探索性因素分析的实践操作。探索性因素分析的目的是检 测问卷的建构效度，即要用较少的题项来反映原始问卷中蕴含的大部 分信息，其具体实现方法是，通过因子分析这种统计分析方法来删除 问卷中某些不合适的题项。在前面的学习中，借助文献和实际经验， 回顾 我们建立起了中学生数字化学习能力的六个维度，并且根据假设的六 个维度编制了中学生数字化学习能力的预试问卷，并通过先前的项目 分析删除了预试问卷中数字化学习能力现状的第六题，并将后续题目 重新编号，目前各个维度的具体题项如表中所示，但是我们如何确定 假设的维度真的存在呢？这就需要用到探索性因素分析来对问卷的 维度进行检验啦！ 探索性因素分析的基本流程有以下五步：第一，判断问卷是否适合进 行因素分析；第二，确定问卷维度的个数；第三，把题项间的差异可 视化，所谓差异的可视化就是统一对数据进行平方处理，使数据间的 基本流程 差异更加明显，以此方便我们进行辨析；第四，探索增删题项，主要 是根据规定的删题原则把不适合的题项删除，直至得到与理论假设最 接近的题目维度；第五，确定最佳问卷维度，即通过探索性因素分析 找出能够最大程度反映原始问卷信息的问卷维度与题项。 具体操作 好啦，话不多说，现在我们进入 SPSS，一起动手操作起来吧！上节 课我们提到了问卷中基本情况的第六题为反向题，由于反向题会影响 探索性因素分析的结果，因此我们先删除基本情况的第六题。接着开 始探索因素分析的正式操作，首先我们要点击分析，选择降维，选择 因子分析，我们看到因子分析窗格最左侧的方框中为所有题项，我们 首先把需要进行因素分析的题项移到右边的方框中，然后按住 Shift 选中全部。其次，我们开始根据具体需要对右边的五个模块进行参数 的设置，点击描述模块，这里面勾选 KMO 和球形度检验，这对应的 是探索性因素分析的第一步，通过 KMO 值和显著值判断问卷是否适 合进行因素分析，点击继续；抽取模块，这里面我们选择因子的固定 数量，所谓因子的固定数量就是指我们前面提到的问卷维度的个数， 对应探索性因素分析的第二步——确定问卷维度。这份问卷有 6 个 维度，那么在空格中填写 6，点击继续；旋转模块，旋转模块对应的 是探索性因素分析的第三步——将数据的差异可视化，这里勾选最大 方差法，最大方差法是我们最常用的旋转方式，点击继续；得分模块 这里面的参数我们暂时不做设置；选项模块处要勾选按大小排序和取 消小系数，我们把绝对值设置为 0.35 ，即因子的值在 0.35 以下的就 不予显示，这对应的是探索性因素分析的第四步——探索增删题项， 这样便于我们删除不合适的题项，点击继续，参数设置完毕之后点击 确定，就可以在 SPSS 的数据查看器中看到分析的结果啦。 在分析结果中，我们要查看三处关键值。首先，我们要查看的第一个 值是 KMO 值和显著值。当 KMO 值大于等于 0.6，且显著值小于 0.05 时，说明该问卷适合进行探索性因素分析。可以看到，分析结果中的 KMO 值为 0.865，大于0.6 ，显著值为 0 ，小于 0.05，所以我们判定 该问卷适合进行探索性因素分析。我们要看的第二个值是解释的总方 差，这个方格中主要查看的数据是右下角的 53.24%，它表示目前的 问卷维度能够反映出原始问卷 53.24%的信息。总的来说，这个比例 不是很高。我们要看的第三个数值在旋转成分矩阵中，这个矩阵就是 将数据统一平方后得出的分析结果，我们把这些数据叫作题项的共同 因素负荷量。接下来我们需要依据规定的删题原则对某些题项进行删 除，以提升问卷的建构效度。在进行探索性因素分析的第四步——探 索增删题项前，我们先来看