Video在线视频

那接下来给大家演示在SPSS数据库中

我们该怎么去进行这个因子分析的演算

首先我们需要把这个量表

比如说我一共有20条目的量表

拿着这个量表让这个

按照条目数的十倍的原则

那也就是至少要找200个研究对象

来填写这个问卷

填写完了之后我们把这个量表每个条目的得分

输入到SPSS数据库中

然后呢我们就选择这个分析Analyze这个选项

那在Analyze这个选项中呢

有一个Data Reduction

也就是降为有的时候中文版本翻译成降为

然后再打开这个选项之后呢会有一个Factor

也就是因子分析啊这个选项

这是第一步我们要选的统计方法因子分析

然后接下来呢第二步这个软件

通常会需要让研究者来去输入

你要对哪些条目进行因子分析

所以这时候大家注意

要在中间的空白框中从左侧的变量这个目录中

来选出这个量表或问卷

所包含的要进行因子分析的那些条目的名称

来放到中间的条目中

如果你已经做了项目分析

你可能这个量表有20条

但是已经有一个项目分析

有一个条目不符合项目分析的要求已经删掉了

这时候建议大家只放剩余的19条

而不是把量表所有的条目都放进来

这是第二步

也就是把我们要进行因子分析的条目

来把它选进中间的空白框内

这是我们要选变量

选我们要进行因子分析的条目名称

接下来我们会看到这个有右侧这个框

有好几个选项首先我们来点击Description

也就是描述这个框

那在这个选项中呢其实我们是

最重要的选择这个是要选上

我们靠下的这个选项叫KMO值

就是这个选项以及Bartlett球形检验

因为我们刚才讲到了这个参数非常重要

因为KMO值的大小

提示我们适合进行因子分析吗

那如果没有这个数据我们就没有办法进行判定

所以大家记住我们通过Description

就是描述这个选项

其实重点在这里头要选上

KMO值和Bartlett球形检验这个框

然后点击Continue

点击了Continue之后又回到刚才的界面

我们在点击第二个框啊这个Extraction

就是提取的方法这个框

大家会看到在这个框中呢

它其实要求让你选Method

也就是你要进行因子分析的方法

刚才我们提到了我们最常用的是主成分分析

也就是Principal components这种方法

所以我们要选上这个方法

另外其他的你可以不选

还有一个需要提醒大家的就是

最下面的这个Extract的方法

这个机器默认的是特征根高于1的

这也是刚才我们提到的

就是我们通常选特征根大于1的

作为因子提取的一个标准

但是如果是一个国外量表的汉化

那么你从理论基础

和国外量表的数据基础上觉得

这个量表它就是分成四个维度

不应该在数目上有变化

所以这时候我们也可以把这个选项

由特征根高于1来变成第二个选项

也就是固定因子的数目

比如说这个英文版的量表

无论是从英文版的因子结构上

还是从理论结构上都是四个维度或四个因子

那我们就不要再去管

特征根大于1的这种提取方式

而把这个选项变成Number of factors

来在后面这个框内输入4

就是我要固定就是提取4个因子

这是大家需要注意的啊

那如果你固定因子的数目一定要有充分的基础

比如说原量表就是四个因子

或者说这个理论基础也支持它

就是分为这四个维度

所以这是大家要选择的

如果选完了之后我们就可以选择Continue

又回到了刚才的界面

所以这是第二个我们要选择的框

然后我们通常还会选择Rotation这个选项

Rotation这个界面打开之后

我们前面也提到了我们通常选择

旋转的方法是最大正交旋转

所以我们需要把这个鼠标呢Method这个选项

这个默认的一般是None第一个

我们要选的第二个就是Varimax

就是最大正交方差的最大正交旋转这个方法

这是我们来选Rotation旋转方法的时候

要选的一个选项

然后我们还可以选择一下Options

就是选择这个框

其实这个框中我们不需要做特定的一个选择

当然有的时候我们也为了说

我导出的这个因子的载荷值的这个矩阵

我不想这个看到在某个因子上

载荷值特别低的一些我们也可以选上

我隐藏载荷值低于0.1的这个数值

但是现在我们发表论文的时候一般要求

每一个条目在每一个因子上的载荷值

都需要展示出来

所以我们通常在这个选项上可以不进行选择

这就是在进行因子分析的时候

我们要进行的选项依次来选择Description

还有Extraction的方法

还有Rotation的这个方法

那如果选择了之后这个Output

也就是输出的结果就会给出你

KMO值的一个表格就是告诉你

KMO值是多少Bartlett球形检验是多少

以及p值是多少

我们就会写在这个论文的结果中

KMO值是0.806 Bartlett球形检验

卡方值是多少以及p是小于0.01

那么提示我们适合进行因子分析

那么第二个我们要找的结果就是

累计方差贡献率

就是它如果分成了4个因子或5个因子呢

它会依次给出你每一个因子的贡献率

方差的贡献率它还会给出你累计的贡献率

刚才我们提到了

如果这个累计方差贡献率高于40%

说明这个因子分析的结果是比较稳定可接受的

所以我们会把这个数值要写在论文中

那然后接下来我们要看的第三个结果

就是因子的矩阵就是它的载荷矩阵值

那其实就是每一个因子

在它所归出的每一个因子上的载荷值

这就是刚才我们提到的如果某个条目

在每一个因子上它都载荷值如果高于0.4

那么而在其它因子上是低于0.4的

那我们就知道这个因子

就是清晰的归属于这个高于0.4的

那如果它同时在两个或多个因子上都高于0.4

那我们要看一下这个差值是否高于0.2

如果高于0.2那就以这个载荷值比较高的

作为它的因子归属

而如果它在某个因子上的载荷值都高于0.4

而且差值小于0.2这就视为双载荷或多载荷

那我们就酌情予以删除或者经研究小组讨论

来确定它到底应该归在哪个因子上

继续做相关分析

这是这个因子分析我们要得到的一些结果

除此之外我们在通过因子分析

确定了这个量表的因子或维度之后呢

还有些研究者建议我们还要把这个归出的因子

直接来做一个相关性

以及每一个因子和量表的总分做一个相关性

那么认为呢这每一个因子

或维度之间的相关系数不应该太高

如果太高的话

说明他们要测量的东西有重复或交叉的

所以这各个因子之间的相关系数呢

应该是在0.1到0.6之间

而每一个因子或维度

与总分的相关性不应该太低

如果太低就说明这个因子

对于这个量表要测的东西它的贡献是很小的

所以因子或维度与总分的相关系数

应该在0.3到0.8

如果符合这样的一个数据结构

那就说明我们通过因子分析

来归出的这个因子结构呢是比较合理的

所以在有些论文中

在做完了因子分析之后他会继续

来把这个每一个因子之间做一个相关系数

然后再把每一个因子

和总分之间做一个相关系数

来看一下是否符合刚才提到的标准

如果符合那这就是一个理想的因子结构

除了刚才我们提到的各类内容效度

效标关联效度 已知族群效度群

和结构效度之外

通常呢还要继续再进行信度的分析

信度的分析我不再详细给大家讲解

因为在本科阶段大家通常都学习过

如果还不会

那就需要自己利用课余时间进行补充

那仅仅给大家简单提到就是通常我们

会按照归出来的因子呢

来做一下这个量表总体的以及各个因子的

Cronbach’s α系数也就是内在一致性

这时候通常会用这个

我们刚才做因子分析的这些数据来做量表总分

以及各个因子的Cronbach’s α系数

那这个其实是非常非常简单的

那也就是在SPSS数据库中呢

选择这个Analyze中有一个Scale的选项

然后选择Scale选项下面的

Reliability Analysis也就是信度分析

然后接下来呢我们第二步选变量

就是把我们要进行Cronbach’s α系数

也就是信度分析的这个条目

来给它选入到中间的空白框中

第三步点击ok就可以看结果了

那如果这个Cronbach’s α系数高于0.7

就说明是在可接受的范围

这是Cronbach’s α系数

这个量表所测的

是一个相对稳定的变量或指标

那我们还可以做一下重测信度

也就是找样本量的10%至少要找20例

间隔一段的时间进行重测

计算两次结果的一致性

那么在论文结果中是需要写出

你用了多少样本量 间隔了多长时间

最后算出的重测信度系数是多少

这是重测信度

那我们就不再一一给大家介绍

各种信度的检测方法

这就是关于一个汉化之后的量表

要进行信效度检测通常所进行的一些指标