《SPSS因子分析》PPT课件.ppt

PPT模板下载：行业PPT模板：节日PPT模板：素材下载：PPT背景图片：图表下载：优秀PPT下载：教程：Word教程：教程：资料下载：课件下载：范文下载：试卷下载：教案下载：结构效度的测定方法因子分析SPSS软件应用吴迪吴迪1效度的基本概念效度的基本概念01STEPSTEP因子分析的基本原理因子分析的基本原理02STEPSTEP因子分析操作程序因子分析操作程序03STEPSTEP因子分析的报表解释因子分析的报表解释04STEPSTEP2内容内容效度效度效标关效标关联效度联效度 指测量量表内容或题项的适当性与代表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，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，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因而内容效度也称为“逻辑效度逻辑效度”（logical validity）。）。指测验与外在效标间关联的程度，如果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。的效标关联效度愈高。概概念念3结构结构效度效度专家专家效度效度 指测验能够测量出理论的特质或概念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（效度分为聚合效度（convergent validity）和判别效度（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，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，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。者的意见进行修正。概概念念4原原理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，一为题项、观察值、问卷问题）均由两个部分构成，一为“共同因子共同因子”（common factor）、一）、一为为“唯一因子唯一因子”（unique factor）。）。因子分析最常用的模式如下：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）变量变量F1（共同因素一）（共同因素一）F2（共同因素二）（共同因素二）共同性（共同性（h2）唯一因子（唯一因子（d2）X1a11a12a112+a1221-h12X2a21a22a212+a2221-h22X3a31a32a312+a3221-h32特征值a112+a212+a312a122+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以三个变量抽取二个共同因子为例系数系数aji为第个为第个i变量与第变量与第k个因子之间个因子之间的线性相关系数，反映变量与因子之的线性相关系数，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。由于因子出现在每个原始变量与因子的线性组合中，因此也称为子的线性组合中，因此也称为公因子公因子。Uj为特殊因子，代表为特殊因子，代表公因子以外的因素公因子以外的因素影响影响原原理理5计算变量间的相关矩阵或协方差计算变量间的相关矩阵或协方差矩阵矩阵估计因素负荷量估计因素负荷量转轴方法转轴方法决定因素与命名决定因素与命名0101020203030404因因子子分分析析的的主主要要步步骤骤60101计算变量间的相关矩阵或协方差矩阵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若相关矩阵中的大部分相关系数小于0.30.3，则不适合作因子分析。，则不适合作因子分析。70202估计因素负荷量估计因素负荷量 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，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研究者应多采用主成分分析法来估计因子负荷量。因子负荷量。8转轴方法转轴方法 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)0303转轴后，每个公因子的特征值会改变，与转轴后，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转轴前不一样，但每个变量的共同性不会改变。改变。90404决定因子与命名决定因子与命名 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。成分变异量通常变量变异量的较大部分。成分变异量通常以以“特征值特征值”（eigenvalueseigenvalues）表示，有）表示，有时也称时也称“特性本质特性本质”（characteristic characteristic rootsroots）或）或“潜在本质潜在本质”（latent latent rootsroots）。）。10Factor Analysis适用条件适用条件KMO统计量：取值范围在0 1之间Bartletts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11PPT模板下载：行业PPT模板：节日PPT模板：PPT素材下载：PPT背景图片：PPT图表下载：优秀PPT下载：PPT教程：Word教程：Excel教程：资料下载：PPT课件下载：范文下载：试卷下载：教案下载：0.5以下，非常不适合进行因子分析以下，非常不适合进行因子分析0.9以上以上0.8以上以上0.7以上以上0.6以上以上0.5以上以上KMO统计量值因素分析适合性B极适合进行因子分析极适合进行因子分析适合进行因子分析适合进行因子分析尚可进行因子分析尚可进行因子分析勉强可进行因子分析勉强可进行因子分析不适合进行因子分析不适合进行因子分析12Click here to add your text 因子分析操作程序与报表解释因子分析操作程序与报表解释程程序序 AnalyzeData Reduction Factor Analysis variables1301020304Step 1Descriptive（描述性统计分析）（描述性统计分析）:(1)Statistics（统计量）（统计量）(2)Correlation Matrix（相关性矩阵）（相关性矩阵）平均数、标准差平均数、标准差未转轴之统计量未转轴之统计量KMO和和Bartletts的球的球形检验形检验在在“Factor Analysis:Descriptives”对话框对话框中，选取中，选取“Initial solution”、“KMO and Bartlets test of sphericity”二项，单二项，单击击“Continue”按钮。按钮。0102Step 2030414Step 1报表解释报表解释1501020304Step 1Step 2Extraction:萃取萃取(1)Method（方法）（方法）(2)Analyze（分析）（分析）(3)Display（显示）（显示）(4)Extract（萃取）（萃取）Principal components主成份分法主成份分法Unweighted least squares未加权最小平方未加权最小平方法法Generalized least squares一般化最小平方一般化最小平方法法Maximum likehood最大概似法最大概似法Principal-axis factoring主主轴法轴法Alpha factoring因素抽取法因素抽取法Image factoring映象因素抽取法映象因素抽取法相关矩相关矩阵阵协方差协方差距阵距阵未旋转未旋转因子解因子解陡坡图陡坡图特征值特征值因子个因子个数数在在“Factor Analysis:Extraction”对话窗对话窗口中，抽取因口中，抽取因子子方法选择方法选择“Principal components”，选取，选取“Correlation matrix”、并勾选、并勾选“Unrotated factor solution”、Screet plot”等项，在抽取等项，在抽取因因子子时限定在特征值大于时限定在特征值大于1者，在者，在“Eigenvalue over:”后面的空格内输入后面的空格内输入116Step 2报表解释报表解释可见从第三个主成分可见从第三个主成分开始特征根都非常低，开始特征根都非常低，该图从另一个侧面说该图从另一个侧面说明只需要提取明只需要提取3个主个主成分即可。成分即可。成分矩阵成分矩阵1701020304Step 1Step 2Step 3Click toadd titleRotation:旋转旋转(1)Method方法(2)Display显示(3)Maximum Iterations for Convergence最大变异法最大变异法转轴后转轴后的解的解因子负因子负荷量荷量转轴时执行的迭代最后次数，后面内转轴时执行的迭代最后次数，后面内定数字定数字25（算法执行转轴时，执行步（算法执行转轴时，执行步骤的次数上限）骤的次数上限）在在“Factor Analysis:Rotation”对话窗中，对话窗中，选取选取“Varimax”、“Rotated solution”等项。等项。研究者要勾选研究者要勾选“Rotated solution”选项，才能显示转选项，才能显示转轴后的相关信息。轴后的相关信息。1801020304Step 1Step 2Step 3Step 4Scores:分数(1)Method 方法(2)Display factor score coefficient matrix 显示因素分数系数矩阵Options:选项(1)Missing Values遗漏值(2)Coefficient Display Format:系数显示格式完全排除遗完全排除遗漏值漏值依据因依据因子子负负荷量排序荷量排序绝对值舍弃绝对值舍弃之下限之下限在在“Factor Analysis:Options”对话窗口中，勾选对话窗口中，勾选“Exclude cases listwise”、“Sorted by size”等项，并勾选等项，并勾选“Suppress absolute values less than”选项，正式的论文研究中应呈现题项完整的因选项，正式的论文研究中应呈现题项完整的因子子负荷量较为适宜。负荷量较为适宜。1901020304Step 1Step 2Step 3Step 420报表解释报表解释成成分分转转换换矩矩阵阵转轴后的成分矩阵转轴后的成分矩阵因素负荷量因素负荷量=成分矩阵成分矩阵成分转换矩阵成分转换矩阵Q8转轴后的成分矩阵第一共同转轴后的成分矩阵第一共同因素因子负荷量：因素因子负荷量：0.798谢谢聆听 Thank You21