信度分析和效度分析数据计分方法说明
类别小分类对
应
题
项
每题计分方
法
维度计分方
法
题
项
职业倦
怠
情感枯竭
1-3
题
正向计分
全部题项直
接加总
3 去个性化
4-6
题
正向计分
全部题项直
接加总
3 个人成就感
7-1
0题
逆向计分
全部题项取
倒数后加总
4
心理资
本11-
18
题
正向计分
全部题项直
接加总
8
组织气
氛19-
26
题
21题为逆向
计分，其余
题项正向计
分
21题取倒数
后与其余题
项加总
8
总体幸福感27-
31
题
27题和31
题为逆向计
分，其余题
27和31题取
到术后与其
余题项加总
5
项为正向计
分
整体问
卷以上各个维
度的总分直
接加总
31
讲问卷调查的数据进行如上表的数据预处理后，接下来再进行如下分析。
1信度分析
这里有63份问卷，首先我们需要的判定的是问卷中的调查题目能否反映调查的目的和调查的意图，问卷中的各个问题是否测量了相同的内容和信息；同时，对于调查问卷所得到的数据是否具有可靠性，就必须在对问卷分析之前做信度分析。信度本身与测量结果的正确与否无关，它的用途在于检测问卷本身的稳定性。信度分析中常用Cronbachα系数的大小来衡量调查问卷的信度。一般而言，如果问卷的信度系数达到0.9以上，该问卷调查的信度就较好；信度系数在0.8以上，是不错的；一般认为试卷信度在0.5至0.9以内是合理的，如果信度系数低于0.5，则此问卷的调
查结果就不可信了。
将以上63份问卷的数据用SPSS21.0先进行标准化处理，再进行信度分析，其结果如表一所
示：
表一信度分析表
类别Cronbach'sAlpha项数
整体问卷.61731
职业倦怠.82210
心理资本.8018
组织气氛.8378
总体幸福感.6795
表一显示，整体问卷和问卷中的各个维度的Cronbach'sAlpha系数值均大于0.6，所以可以推断此问卷的可信度一般，该评价问卷只具有很较高的内在一致性。
2效度分析
具备信度的问题不一定具备效度，因此做完信度分析，再用SPSS21.0对其进行效度分析。
2.1因子模型适应性分析
效度分析使用的是因子分析模型，在运用因子模型分析之前，首先要对问卷数据进行因子模型适应性分析，分析结果如下表所示：
表二KMO和Bartlett的检验
KMO和Bartlett的检验
取样足够度的Kaiser-Meyer-Olkin度量。.657
Bartlett的球形度检验近似卡方1187.636 df 465 Sig. .000
由上表的数据可知，问卷数据的KMO值为0.657，并且通过了显着性水平为0.05的巴特利球型检验，说明问卷调查的数据非常适合做因子分析。
2.2因子分析结果
在进行了适应性检验之后，接下来就进行因子分析，其结果如下：
表三方差贡献率
解释的总方差
成份
初始特征值提取平方和载入旋转平方和载入
合计方差的% 累积% 合计方差的% 累积% 合计方差的% 累积%
1 8.75
2 28.231 28.231 8.752 28.231 28.231 4.937 15.926 15.926
2 3.259 10.514 38.745 3.259 10.514 38.745 3.766 12.148 28.074
3 2.715 8.758 47.503 2.715 8.758 47.503 2.996 9.666 37.740
4 2.286 7.374 54.877 2.286 7.374 54.877 2.714 8.756 46.496
5 1.51
6 4.891 59.768 1.516 4.891 59.768 2.584 8.335 54.831
6 1.342 4.328 64.096 1.342 4.328 64.096 2.076 6.69
7 61.528
7 1.252 4.038 68.134 1.252 4.038 68.134 1.709 5.511 67.040
8 1.053 3.398 71.532 1.053 3.398 71.532 1.393 4.492 71.532
9 .958 3.089 74.620
10 .880 2.840 77.461
11 .762 2.459 79.920
12 .714 2.302 82.222
13 .684 2.207 84.429
14 .623 2.011 86.440
15 .580 1.870 88.309
16 .509 1.642 89.951
17 .449 1.449 91.400
18 .394 1.272 92.672
19 .342 1.104 93.777
20 .289 .934 94.710
21 .276 .892 95.602
22 .258 .833 96.435
23 .204 .659 97.094
24 .184 .592 97.686
25 .171 .552 98.239
26 .148 .478 98.717
27 .121 .391 99.108
28 .101 .325 99.433
29 .079 .254 99.687
30 .058 .186 99.873
31 .039 .127 100.000
提取方法：主成份分析。
根据表三方差贡献率分析表可以知道，具备信度的31个问题一共可以提取8个主成分，这8个主因子解释的方差占到了将近71.532%，由此我们可以认为，这次提取的8个公因子在充分提取
和解释原变量的信息方面比较理想。
表四旋转后的因子载荷矩阵
旋转成份矩阵a
成份
1 2 3 4 5 6 7 8
职业倦怠10.812 0.024 0.046 0.006 0.012 -0.172 -0.206 -0.085
职业倦怠20.788 -0.043 0.051 -0.141 0.176 -0.211 0.094 -0.086
职业倦怠30.651 -0.112 -0.056 -0.155 -0.172 -0.217 -0.053 -0.299
职业倦怠40.743 -0.085 0.067 -0.19 -0.172 -0.275 0.017 -0.073
职业倦怠50.741 -0.186 -0.01 0.077 -0.455 -0.01 -0.12 0.008
职业倦怠60.744 -0.204 0.053 -0.109 -0.084 0.115 -0.063 0.078
职业倦怠70.297 -0.113 0.67 -0.189 -0.173 0.025 0.223 0.246
职业倦怠8-0.099 0.024 0.902 -0.1 -0.056 -0.073 -0.087 -0.002
职业倦怠90.048 0.008 0.856 -0.027 -0.141 -0.079 -0.143 -0.103
职业倦怠100.01 0.093 0.88 -0.007 0.075 0.014 -0.097 -0.075
心理资本1-0.17 0.022 0.011 0.759 0.284 0.063 0.037 0.064
心理资本2-0.138 0.173 -0.08 0.674 0.148 -0.11 0.37 -0.179
心理资本3-0.09 0.099 -0.194 0.664 0.465 0.091 0.008 -0.191
心理资本4-0.185 -0.029 -0.11 0.616 0.086 -0.08 0.141 0.27
心理资本5-0.072 0.009 -0.095 0.801-0.074 0.133 -0.116 0.195
心理资本6-0.524 0.309 -0.026 0.205 0601 0.23 0.147 -0.279
心理资本7-0.185 0.097 -0.138 0.221 0.802 0.071 0.014 -0.014
心理资本8-0.09 0.651 0.066 0.067 -0.599 0.015 -0.082 -0.101
组织氛围10.045 0.444 -0.009 0.161 0.405 0.326 0.124 0.567
组织氛围20.106 0.076 -0.123 0.172 0.245 0.238 0.101 0.611
组织氛围3-0.405 0.273-0.077 0.012 0.102 0.125 -0.034 0.609
组织氛围4-0.16 0.634 0.004 0.037 0.364 0.166 0.094 0.28
组织氛围50.148 0.679 -0.006 0.102 -0.306 0.194 0.397 -0.044
组织氛围6-0.425 0.753 0.051 -0.004 0.228 0.066 -0.093 -0.017
组织氛围7-0.147 0.675 0.001 -0.085 0.056 -0.041 0.291 0.127
组织氛围8-0.447 0.569 0.001 0.144 0.097 -0.115 0.181 0.408
总体幸福感1-0.173 0.145 -0.006 0.259 0.148 0.043 0.538 0.076
总体幸福感2-0.347 0.435 -0.024 0.149 0.194 0.0670.613 -0.15
总体幸福感3-0.254 0.103 -0.177 -0.005 -0.14 0.797 -0.085 0.08
总体幸福感4-0.445 -0.026 0.11 0.066 0.261 0.586 0.223 0.141
总体幸福感5-0.161 0.205 -0.232 -0.018 0.069 0.819 0.009 0.004
提取方法:主成份。
旋转法:具有Kaiser标准化的正交旋转法。
a.旋转在14次迭代后收敛。
根据以上旋转后的因子载荷表可以知道：
主成分一：包含职业倦怠1、职业倦怠2、职业倦怠3、职业倦怠4、职业倦怠5、职业倦怠6这6个题项，说明主成分一是反映情感枯竭和去个性化的维度。其方差贡献率是15.926%，是8个主成分中贡献最大的一个，说明这一主成分对整体问卷的的影响最
大。
主成分二：包含组织氛围4、组织氛围5、组织氛围6、组织氛围7、组织氛围8这5个题项，说明主成分二是反映组织氛围维度中学校氛围的主因素。其方差贡献率是12.148%，是8个主成分中贡献第二大的，说明这一主成分对整体问卷的的影响第二大。
主成分三：包含职业倦怠7、职业倦怠8、职业倦怠9、职业倦怠10这4个题项，说明主成分三是反映个人成就感的主因素。其方差贡献率是9.666%，是8个主成分中贡献第三大的，说明这一主成分对整体问卷的的影响第三大。
主成分四：包含心理资本1、心理资本2、心理资本3、心理资本4、心理资本5这5个题项，说明主成分四是反映心理资本维度中工作情绪方面的主因素。其方差贡献率是8.756%，是8个主成分中贡献第四大的，说明这一主成分对整体问卷的的影响第四大。主成分五：包含心理资本6、心理资本7、心理资本8这3个题项，说明主成分五是反映心理资本维度中工作状态方面的主因素。其方差贡献率是8.335%，是8个主成分中贡献第五大的，说明这一主成分对整体问卷的的影响第五大。
主成分六：包含总体幸福感3、总体幸福感4、总体幸福感5这5个题项，说明主成分六是总体幸福感维度中生活压力方面的主因素。其方差贡献率是6.697%，是8个主成分中贡献第六大的，说明这一主成分对整体问卷的的影响第六大。
主成分七：包含总体幸福感1、总体幸福感2这2个题项，说明主成分七是总体幸福感维度中生活信心面的的主因素。其方差贡献率是5.511%，是8个主成分中贡献第七大的，说明这一主成分
对整体问卷的的影响第六大。
主成分八：包含组织氛围1、组织氛围2、组织氛围3这3个题项，说明主成分八是组织氛围维度中同事关系氛围方面的主因素。其
方差贡献率是4.492%，是8个主成分中贡献最小的，说明这一主
成分对整体问卷的的影响最小。
此外，观察表四旋转后的因子载荷矩阵，31个题项都仅仅只在某一个主成分上的载荷比较大，由此可以知道，职业倦怠的每一个题项是具有效度的。
差异性分析
1、不同性别在各个维度中的差异分析
表17
组统计量
性别N 均值标准差均值的标准误
职业倦怠男8 21.8208 3.94755 1.39567 女55 18.5567 5.63688 .76008
心理资本男8 28.8750 4.82368 1.70543 女55 29.3273 3.99098 .53814
组织气氛男8 22.6979 2.54442 .89959 女55 25.2482 4.52235 .60979
总体幸福感男8 9.7292 2.07343 .73307 女55 11.5924 2.33254 .31452
表18
性别男女t值P值
职业倦怠21.82±
3.94
18.56±
5.64
1.577 0.12
心理资本28.87±
4.82
29.33±
3.99
-0.292 0.771
组织气氛22.69±
2.54
25.25±
4.52
-1.552 0.126
总体幸福
感9.729±
2.07
11.59±
2.33
-2.137 0.037
我们可以从上表中看出，男女性别不同，在职业倦怠、心里资本、组织气氛上是没有明显差异的。
但是不同性别在总体幸福感上存在显着差异。具体差异情况见下图：
女性在总体幸福感上的均分显着高于男性在总体幸福感上的均分，说明女性的总体幸福感普遍高
于男性。
2不同年龄在各个维度上的差异分析
表19
描述
N 均值标准
差
极小
值
极大值
职业倦怠20-25岁
1
4
17.414
3
4.24
803
11.00 26.25 26-30岁
2
4
18.956
3
4.72
895
9.80 27.70 31-35岁9
21.170
4
5.37
650
12.90 28.93 36-45岁
1
1
20.981
8
7.11
283
10.95 31.42 46岁及以
上
5
15.020
7.30
068
6.98 23.33
总数
6
3
18.971
2
5.53
481
6.98 31.42
心理资本20-25岁
1
4
30.000
2.82
843
25.00 36.00 26-30岁
2
4
29.208
3
4.14
917
22.00 37.00
31-35岁9 27.888
9
3.17
980
24.00 33.00
36-45岁1
1
28.909
1
4.92
858
19.00 36.00
46岁及以
上5
30.800
6.37
966
21.00 37.00
总数6
3
29.269
8
4.06
482
19.00 37.00
组织气氛20-25岁
1
4
25.833
3
4.19
401
18.33 32.50 26-30岁
2
4
25.322
9
4.21
725
19.33 34.50 31-35岁9
22.861
1
3.45
532
19.33 28.33 36-45岁
1
1
25.172
7
4.31
868
19.33 31.50 46岁及以
上
5
23.633
3
7.29
169
16.25 35.00
总数
6
3
24.924
3
4.39
048
16.25 35.00
总体幸福20-25岁
1
4
11.678
6
1.92
428
7.83 14.33
感
26-30岁2
4
11.121
5
2.05
803
6.58 15.00
31-35岁9 11.481
5
2.42
304
6.33 13.83
36-45岁1
1
11.424
2
2.71
530
5.58 15.00
46岁及以
上5
11.200
4.43
847
5.67 17.00
总数
6
3
11.355
8
2.36
964
5.58 17.00
表20
单因素方差分析
平方
和
df 均方 F
显着
性
职业倦怠组
间
199.9
97
4
49.9
99
1.70
7
.161 组
内
1699.
320
58
29.2
99
总
数
1899.
317
62
心理资本组
间
37.85
6
4
9.46
4
.556 .695
组内986.5
56
58
17.0
10
总数1024.
413
62
组织气氛组
间
62.70
5
4
15.6
76
.803 .528 组
内
1132.
426
58
19.5
25
总
数
1195.
130
62
总体幸福感组
间
3.091 4 .773 .130 .971 组
内
345.0
51
58
5.94
9
总
数
348.1
42
62
根据表19、20，我们可以看出年龄的不同在职业倦怠、心里资本、组织气氛、总体幸福感上是没有明显差异的。
,3、不同学历在各个维度上的差异分析
表21
描述
N 均值标准差极小值极大值
职业倦怠A.高中（中专）及以下8 16.4333 4.93495 6.98 22.83
大专18 18.1056 3.55976 11.00 24.78
本科35 19.9010 6.41248 7.90 31.42 研究生及以上 2 20.6417 3.80659 17.95 23.33 总数63 18.9712 5.53481 6.98 31.42
心理资本A.高中（中专）及以下8 29.7500 3.69362 24.00 37.00
大专18 29.8333 4.20434 24.00 36.00
本科35 29.0286 3.99622 19.00 37.00 研究生及以上 2 26.5000 7.77817 21.00 32.00 总数63 29.2698 4.06482 19.00 37.00
组织气氛A.高中（中专）及以下8 28.6146 4.77986 20.33 35.00
大专18 24.7611 4.83941 16.25 32.50
本科35 24.4271 3.71338 19.33 34.50 研究生及以上 2 20.3333 2.82843 18.33 22.33 总数63 24.9243 4.39048 16.25 35.00
总体幸福感A.高中（中专）及以下8 12.3021 3.00196 7.58 17.00
大专18 10.8380 2.05808 5.67 13.67
本科35 11.4976 2.38163 5.58 15.00 研究生及以上 2 9.7500 1.53206 8.67 10.83 总数63 11.3558 2.36964 5.58 17.00
表22
单因素方差分析
平方和df 均方 F 显着性
职业倦怠组间100.851 3 33.617 1.103 .355 组内1798.466 59 30.482
总数1899.317 62
心理资本组间24.941 3 8.314 .491 .690 组内999.471 59 16.940
总数1024.413 62
组织气氛组间160.230 3 53.410 3.045 .036组内1034.901 59 17.541
总数1195.130 62
总体幸福感组间17.852 3 5.951 1.063 .372 组内330.290 59 5.598
总数348.142 62
由表21、22可知，学历的不同的被调查人群在职业倦怠、心理资本、总体幸福感上是无明显差异的。不同学历的被调查人群在组织气氛维度上存在显着差异，具体差异情况见下图：
学历越高组织气氛得分越低，说明学历高的人群需要加强沟通。
4、不同党派在各个维度上的差异分析
表23
描述
N 均值标准差标准误均值的95%置信区间
极小值极大值下限上限
职业倦怠
共青团员24 17.3208 4.24699 .86691 15.5275 19.1142 9.80 26.25 中共党员9 19.6481 6.24082 2.08027 14.8510 24.4453 7.90 27.50 民主党派成员 3 16.2833 7.61156 4.39454 -2.6248 35.1915 10.95 25.00 群众27 20.5111 5.88943 1.13342 18.1813 22.8409 6.98 31.42 总数63 18.9712 5.53481 .69732 17.5772 20.3651 6.98 31.42
心理资本
共青团员24 30.1250 3.87088 .79014 28.4905 31.7595 22.00 37.00 中共党员9 28.3333 3.77492 1.25831 25.4317 31.2350 23.00 34.00 民主党派成员 3 30.6667 2.88675 1.66667 23.4956 37.8378 29.00 34.00 群众27 28.6667 4.42023 .85067 26.9181 30.4153 19.00 37.00 总数63 29.2698 4.06482 .51212 28.2461 30.2936 19.00 37.00
组织气氛
共青团员24 26.1979 5.08852 1.03869 24.0492 28.3466 16.25 34.50 中共党员9 24.0685 2.12546 .70849 22.4347 25.7023 21.25 28.33 民主党派成员 3 23.0278 4.59645 2.65376 11.6096 34.4460 20.25 28.33 群众27 24.2883 4.17852 .80416 22.6353 25.9412 18.33 35.00 总数63 24.9243 4.39048 .55315 23.8186 26.0301 16.25 35.00
总体幸福感
共青团员24 11.4410 2.30108 .46971 10.4693 12.4126 5.67 15.00 中共党员9 10.5370 2.94690 .98230 8.2718 12.8022 5.58 14.33 民主党派成员 3 13.3889 1.66944 .96385 9.2418 17.5360 11.67 15.00 群众27 11.3272 2.25900 .43474 10.4335 12.2208 6.33 17.00 总数63 11.3558 2.36964 .29855 10.7590 11.9526 5.58 17.00
表24
单因素方差分析
平方和df 均方 F 显着性
职业倦怠组间155.193 3 51.731 1.750 .167 组内1744.124 59 29.561
总数1899.317 62
心理资本组间41.121 3 13.707 .822 .487 组内983.292 59 16.666
总数1024.413 62
组织气氛组间67.234 3 22.411 1.172 .328 组内1127.896 59 19.117
总数1195.130 62
总体幸福感组间18.630 3 6.210 1.112 .352 组内329.512 59 5.585
总数348.142 62
有表23、24可以看出，党派的不同，被调查人群在职业倦怠、心理资本、组织气氛、总体幸福感上是无明显差异的。
5、不同婚姻状况在各个维度上的差异分析
表25
描述
N 均值标准差标准误均值的95%置信区间
极小值极大值下限上限
职业倦怠未婚23 17.7210 4.80781 1.00250 15.6420 19.8001 9.80 28.17 已婚40 19.6900 5.84889 .92479 17.8194 21.5606 6.98 31.42 总数63 18.9712 5.53481 .69732 17.5772 20.3651 6.98 31.42
心理资本未婚23 29.7826 3.69221 .76988 28.1860 31.3792 22.00 37.00 已婚40 28.9750 4.28167 .67699 27.6057 30.3443 19.00 37.00 总数63 29.2698 4.06482 .51212 28.2461 30.2936 19.00 37.00
组织气氛未婚23 25.6051 4.56472 .95181 23.6311 27.5790 18.33 34.50 已婚40 24.5329 4.29650 .67934 23.1588 25.9070 16.25 35.00 总数63 24.9243 4.39048 .55315 23.8186 26.0301 16.25 35.00
总体幸福感未婚23 11.8333 1.77667 .37046 11.0650 12.6016 7.83 15.00
已婚40 11.0813 2.63330 .41636 10.2391 11.9234 5.58 17.00 总数63 11.3558 2.36964 .29855 10.7590 11.9526 5.58 17.00
表26
单因素方差分析
平方和df 均方 F 显着性
职业倦怠组间56.615 1 56.615 1.874 .176 组内1842.702 61 30.208
总数1899.317 62
心理资本组间9.525 1 9.525 .572 .452 组内1014.888 61 16.638
总数1024.413 62
组织气氛组间16.787 1 16.787 .869 .355 组内1178.344 61 19.317
总数1195.130 62
总体幸福感组间8.260 1 8.260 1.482 .228 组内339.882 61 5.572
总数348.142 62
从表25和26可以看出，不同婚姻状况的人在各个维度上不存在
显着差异。
6、不同子女数量在各个维度上的差异分析
表27
描述
N 均值标准差标准误均值的95%置信区间
极小值极大值下限上限
职业倦怠
0个31 18.1387 4.99202 .89659 16.3076 19.9698 9.80 30.93 1个30 20.3011 5.80121 1.05915 18.1349 22.4673 6.98 31.42 2个及以上 2 11.9250 1.37886 .97500 -.4635 24.3135 10.95 12.90 总数63 18.9712 5.53481 .69732 17.5772 20.3651 6.98 31.42
心理资本0个31 30.3871 3.87881 .69665 28.9643 31.8099 22.00 37.00
1个30 27.9667 3.98690 .72791 26.4779 29.4554 19.00 37.00 2个及以上 2 31.5000 3.53553 2.50000 -.2655 63.2655 29.00 34.00 总数63 29.2698 4.06482 .51212 28.2461 30.2936 19.00 37.00
组织气氛
0个31 25.9554 4.39806 .78991 24.3422 27.5686 18.33 34.50 1个30 23.9011 4.22230 .77088 22.3245 25.4777 16.25 35.00 2个及以上 2 24.2917 5.71578 4.04167 -27.0626 75.6459 20.25 28.33 总数63 24.9243 4.39048 .55315 23.8186 26.0301 16.25 35.00
总体幸福感
0个31 11.8844 1.87586 .33691 11.1963 12.5725 7.58 15.00 1个30 10.6167 2.62381 .47904 9.6369 11.5964 5.58 17.00 2个及以上 2 14.2500 1.06066 .75000 4.7203 23.7797 13.50 15.00 总数63 11.3558 2.36964 .29855 10.7590 11.9526 5.58 17.00
表28
单因素方差分析
平方和df 均方 F 显着性职业倦怠
组间173.842 2 86.921 3.023 .056
组内1725.475 60 28.758
总数1899.317 62
心理资本
组间99.591 2 49.796 3.231 .047
组内924.822 60 15.414
总数1024.413 62
组织气氛
组间65.165 2 32.582 1.730 .186
组内1129.966 60 18.833
总数1195.130 62
总体幸福感
组间41.805 2 20.902 4.094 .022
组内306.337 60 5.106
总数348.142 62
由表27和28可以看出，子女数量不同，在心理资本和总体幸福感上有明显差异的。具体差异情况为：
有一个子女的被调查者在心里资本维度和总体幸福感维度上的均分最低，有两个及以上子女的被调查者在心里资本维度和总体幸
福感维度上的均分最高。说明孩子较多的被调查者的心里状况是
最好的。
7、不同工作时间人群在各个维度上的差异分析
表29
描述
N 均值标准差标准误均值的95%置信区间
极小值极大值下限上限
职业倦怠
3年以下24 17.0840 3.80006 .77568 15.4794 18.6887 6.98 23.95 3-5年12 17.3028 5.40671 1.56078 13.8675 20.7380 11.00 26.25 5-10年12 21.5347 5.56169 1.60552 18.0010 25.0685 10.95 28.93 10年以上15 21.2744 6.69787 1.72938 17.5653 24.9836 7.90 31.42 总数63 18.9712 5.53481 .69732 17.5772 20.3651 6.98 31.42
心理资本
3年以下24 30.5417 3.52604 .71975 29.0527 32.0306 22.00 37.00 3-5年12 29.3333 4.07505 1.17637 26.7442 31.9225 24.00 36.00 5-10年12 28.2500 3.67114 1.05977 25.9175 30.5825 23.00 35.00 10年以上15 28.0000 4.86973 1.25736 25.3032 30.6968 19.00 36.00 总数63 29.2698 4.06482 .51212 28.2461 30.2936 19.00 37.00
组织气氛
3年以下24 26.4028 5.11903 1.04492 24.2412 28.5644 16.25 35.00 3-5年12 24.8542 4.27084 1.23288 22.1406 27.5677 20.33 32.33 5-10年12 25.1319 3.31042 .95564 23.0286 27.2353 19.33 29.33 10年以上15 22.4489 3.00339 .77547 20.7857 24.1121 18.33 28.33 总数63 24.9243 4.39048 .55315 23.8186 26.0301 16.25 35.00
总体幸福感
3年以下24 11.8542 2.28274 .46596 10.8903 12.8181 5.67 17.00 3-5年12 10.7361 2.26101 .65270 9.2995 12.1727 7.58 15.00 5-10年12 11.1458 2.77346 .80063 9.3837 12.9080 6.33 15.00 10年以上15 11.2222 2.33114 .60190 9.9313 12.5132 5.58 14.00 总数63 11.3558 2.36964 .29855 10.7590 11.9526 5.58 17.00
表30
单因素方差分析
平方和df 均方 F 显着性职业倦怠
组间277.311 3 92.437 3.362 .025
组内1622.005 59 27.492
总数1899.317 62
心理资本组间75.538 3 25.179 1.566 .207
组内948.875 59 16.083 总数1024.413 62
组织气氛组间144.953 3 48.318 2.715 .053 组内1050.178 59 17.800
总数1195.130 62
总体幸福感组间11.366 3 3.789 .664 .578 组内336.776 59 5.708
总数348.142 62
由表29和表30可以看出，工作年限的不同的被调查者在心理资本、组织气氛、总体幸福感是无明显差异的。在职业倦怠维度上存在显着差异，具体差异情况为：
工作时间在5-10年的被调查者在职业倦怠维度上的均分最高。但是，超过10年之后，职业倦怠感反而减弱了。
8、不同的平均月收入被调查者在各个维度上的差异分析
表31
描述
N 均值标准差标准误均值的95%置信区间
极小值极大值下限上限
职业倦怠
1500元以下 3 14.8000 6.90766 3.98814 -2.3596 31.9596 6.98 20.08 1500-1999元 4 16.5833 3.94523 1.97261 10.3056 22.8611 11.00 20.17 2000-2999元26 16.7853 3.63338 .71257 15.3177 18.2528 9.80 22.83 3000-3999元17 21.4392 5.64594 1.36934 18.5363 24.3421 13.50 31.42 4000-4999元7 25.4190 3.19720 1.20843 22.4621 28.3760 20.90 28.93 5000元及以上 6 17.6056 7.08227 2.89132 10.1732 25.0379 7.90 25.00 总数63 18.9712 5.53481 .69732 17.5772 20.3651 6.98 31.42
心理资本
1500元以下 3 32.3333 4.50925 2.60342 21.1317 43.5349 28.00 37.00 1500-1999元 4 28.2500 2.21736 1.10868 24.7217 31.7783 25.00 30.00 2000-2999元26 30.1538 3.99692 .78386 28.5395 31.7682 22.00 37.00 3000-3999元17 28.2353 4.08548 .99088 26.1347 30.3359 19.00 36.00 4000-4999元7 26.2857 4.07080 1.53862 22.5209 30.0506 21.00 33.00 5000元及以上 6 31.0000 3.22490 1.31656 27.6157 34.3843 26.00 34.00 总数63 29.2698 4.06482 .51212 28.2461 30.2936 19.00 37.00
组织气氛
1500元以下 3 29.9167 5.39869 3.11693 16.5056 43.3278 24.25 35.00 1500-1999元 4 24.4583 2.13600 1.06800 21.0595 27.8572 21.50 26.50
2000-2999元26 26.1987 5.11659 1.00345 24.1321 28.2654 16.25 34.50 3000-3999元17 22.8961 2.35063 .57011 21.6875 24.1047 19.33 27.33 4000-4999元7 24.1667 4.24973 1.60625 20.2363 28.0970 18.33 29.33 5000元及以上 6 23.8472 3.82405 1.56116 19.8341 27.8603 19.33 28.33 总数63 24.9243 4.39048 .55315 23.8186 26.0301 16.25 35.00
总体幸福
感
1500元以下 3 13.1667 3.37062 1.94603 4.7936 21.5398 10.67 17.00 1500-1999元 4 11.9583 2.00174 1.00087 8.7731 15.1435 9.83 13.67 2000-2999元26 11.5417 2.21375 .43415 10.6475 12.4358 5.67 15.00 3000-3999元17 11.0539 1.54923 .37574 10.2574 11.8505 7.83 13.67 4000-4999元7 9.2857 3.46873 1.31106 6.0777 12.4938 5.58 15.00 5000元及以上 6 12.5139 2.38771 .97478 10.0081 15.0196 8.58 15.00 总数63 11.3558 2.36964 .29855 10.7590 11.9526 5.58 17.00
表32
单因素方差分析
平方和df 均方 F 显着性职业倦怠
组间605.003 5 121.001 5.329 .000
组内1294.314 57 22.707
总数1899.317 62
心理资本
组间151.124 5 30.225 1.973 .097
组内873.289 57 15.321
总数1024.413 62
组织气氛
组间198.779 5 39.756 2.274 .059
组内996.352 57 17.480
总数1195.130 62
总体幸福感
组间51.781 5 10.356 1.992 .094
组内296.361 57 5.199
总数348.142 62
由表31和32可以看出，平均月收入不同在职业倦怠和其他组之间是有明显差异的，其余维度在不同的收入水平上不存在显着差
异。具体差异情况见下图：
从上图可以看出，收入在4000-4999元之间的被调查者的职业倦怠维度上的得分最高。收入在5000元以上的人群在职业倦怠维度上
的得分最低。此外，收入在1500到4999元之间时，随着收入的增加，职业倦怠维度的得分越高。由此可以知道，4999元是一个过渡点，低于这个店的时候，收入越高，职业倦怠感就越强，当收入突破4999元时，职业倦怠感反而会突然减弱。
相关分析
各个维度的相关分析结果如下：
相关性
职业倦怠心理资本组织气氛总体幸福感
职业倦怠Pearson相关性 1 -.487**-.415**-.585**显着性（双侧）.000 .001 .000 N 63 63 63 63
心理资本Pearson相关性-.487** 1 .449**.424**显着性（双侧）.000 .000 .001 N 63 63 63 63
组织气氛Pearson相关性-.415**.449** 1 .486**显着性（双侧）.001 .000 .000 N 63 63 63 63
总体幸福感Pearson相关性-.585**.424**.486** 1 显着性（双侧）.000 .001 .000
N 63 63 63 63
**.在.01水平（双侧）上显着相关。
从上面的相关分析可以看出：
1、职业倦怠和心理资本这2个维度之间存在显着的相关关系，因为二者的相关系数通过显着性水平为0.05的T检验。二者之间的相关系数-0.487＜0，说明二者之间是显着的负线性关系，当心
理资本越好，职业倦怠感就越弱。
2、职业倦怠和组织气氛之间存在显着的相关关系，二者之间的相关系数为-0.418，且通过了显着性水平为0,05的T检验。-0.415＜0，说明二者之间存在显着的负线性相关的关系。即二者之间的变化方向是相反的，组织气氛越好，职业倦怠感就越弱。
第二节信度和效度分析 一、信度分析 与预测试数据分析方法一样，为了确保问卷的可靠性，先进行信度分析，信度检验指标在前面已详细述，在此不再述。问卷信度分析如表4-2所示： 表4-2：量表信度检验结果
经过SPSS24.0数据统计软件分析得知个变量Cronbach's α均大于0.6，且组合信度在0.792以上，说明所有问卷都具备可靠性，能够较好的反应变量的真实情况。 二、效度检验 （一）容效度 为了确保调研问卷容的有效性，问卷量表通过文献研究先初步圈定问卷容，所用量表大多采用国外已经开发出的成熟量表，对于这部分量表，本文给予直接采用的方式，其余量表则是在前人研究的基础上，根据本文的研究目的和方向进行谨慎的拟定。因此，本问卷具有容效度。 （二）结构效度 在测量结构效度时，通常采用探索性因子分析。在进行因子分析时，通常采
用主成分分析法，主成分分析的目的在于利用变量间的线性组合来解释每个层面的方差，变量的第一个线性组合可以解释最大的变异量，以此类推，所以主成分分析法的步骤是，选取特征值大于1的因子，然后利用方差最大旋转法进行旋转，使得旋转后题目在各个因子的负荷量大小出现明显差异，大部分题目在每个公共因子中有一个差异较大的因子负荷量出现。但在因子分析之前需要进行KMO值和Bartlett球形检验，只有当KMO>0.5且Bartlett球形检验的Sig.值小于0.05时，问卷才具有结构效度，才能够进行因子分析。本研究中对三个量表进行的结构效度分析具体情况如下。 （1）虚拟品牌社群价值的效度检测 1.1虚拟品牌社群价值的KMO值和Bartlett球形检验 在对虚拟品牌社群价值做因子分析之前，先做KMO值和Bartlett球形检验，检测结果如表4-3所示： 表4-3：虚拟品牌社群价值的KMO值和Bartlett检验 取样足够度的Kaiser-Meyer-Olkin度量.901 Bartlett的球形度检验近似卡方4892.820 df 186 Sig. .000 通过对虚拟品牌社群价值量表的14个题项进行KMO检验和Bartlett球形检验，发现虚拟品牌社群价值量表的KMO值为0.901，表明各个变量之间的相关系数非常高，适合做因子分析，同时Sig.值为0.000<0.05，达到显著性水平，综上可以得出虚拟品牌社群价值量表适合做因子分析。
信度与效度分析步骤（可编辑） 如何用spss做问卷的结构效度分析, 因子分析里面Descriotives里面KMO和巴特利检验就可以了吗,除此之外，还要做什么啊,请高手赐教点简单易懂又能说明效度问题的，谢谢啦～问题补充: 提取因子的个数怎么确定,是选特征值大于1的吗,还有，因子载荷怎么算,是 在输出结果中直接可以看到吗,本人刚接触spss，请多多指教～ 首先必须要做KMO和Bartlett球形检验,这个你应该会了吧,如果这两个检验 合格的话说明数据是适合做因子分析的。 然后提取因子后，看主因子解释总变异的百分比和个因子的因子载荷，主因子解释总变异一般若大于60[%]的和因子载荷大于0.6的话说明结构效度很好。 pS: ,如果题目没有规定就是选特征值大于1的,如果题目事先要提取几个因子,那么在操作的时候,用SPSS那个因子分析的选项里面有一个地方可以著名，因子载荷在输出的结果直接可以看到(rotated compoment matrpx),一定要是旋转后的因子载荷 用spss进行效度分析? 我要对我的问卷调查数据做一个信度和效度分析。信度分析我会了，就是看Cronbach’s Alpha 系数。效度分表面效度、准则效度和构建效度，前面两项只要说明一下，但是构建效度要用SPSS分析，我想是在因子分析里面吧,就是不知道哪个值代表效度。 因子分析的效度分析主要的指标可以看，因子提取的方差累积贡献率，如果因子提取的越少且方差累积率又不低的话(一般如果2个因子达到40[%]以上的贡献率就算可以的了)，就可以认为因子分析的效度还可以。
除此之外，你可以用因子分析里面Descriotives里面KMO和巴特利检验(battele，不知道是不是这样写的)，KMO的值如果 0.5，则说明因子分析的效度还行，可以进行因子分析;另外，如果巴特利检验的P 0.001，说明因子的相关系数矩阵非单位矩阵，能够提取最少的因子同时又能解释大部分的方差，即效度可以。 问:问卷效度测验如何应用于SPSS 问卷效度测验如何应用于SPSS,然后因为做效度检验貌似要用皮尔逊相关还是因子分析,所以不懂如何把这些应用于SPSS，不想要变量，想要整体，一个整体。 用因子分析，就已经是在检验变量的整体了 因子分析就是用少数几个因子来描述许多指标或因素之间的联系，以较少几个因子反映原资料的大部分信息的统计方法。 三、因子分析的SPSS过程 第一步:准备数据文件，打开对话框，加载观测变量。数据文件主要是由较多的(一般在10个以上)可观测变量组成，个案数应比较大。然后点击“Analyze” ，选择“Data Reduction” 中的“Factor”打开因子分析对话框，将参与分析的所有观测变量加载到“Variables”下边的方框中。 第二步:点击“Descriptives…”设置描述性统计要求。这里关键的是要求输出因子分析适合度的检验，一般要求输出:计算相关系数矩阵(选中Coefficients)、相关系数显著性水平矩阵(选中Significance levels)、反像相关矩阵检验 ( 选中Anti-image ) 、KMO 和巴特利特球形检验( 选中 KMO and Bartlett’s test of sphericity)。 第三步: 点击“Extraction”打开对话框设置因子提取方式。在界定因子提取方法中需要设置以下几个方面的参数:
信度分析和效度分析数据计分方法说明
讲问卷调查的数据进行如上表的数据预处理后，接下来再进行如下分析。 1 信度分析 这里有63份问卷，首先我们需要的判定的是问卷中的调查题目能否反映调查的目的和调查的意图，问卷中的各个问题是否测量了相同的内容和信息；同时，对于调查问卷所得到的数据是否具有可靠性，就必须在对问卷分析之前做信度分析。信度本身与测量结果的正确与否无关，它的用途在于检测问卷本身的稳定性。信度分析中常用Cronbach α系数的大小来衡量调查问卷的信度。一般而言，如果问卷的信度系数达到0.9以上，该问卷调查的信度就较好；信度系数在0.8以上，是不错的；一般认为试卷信度在0.5至0.9以内是合理的，如果信度系数低于0.5，则此问卷的调查结果就不可信了。 将以上63份问卷的数据用SPSS21.0先进行标准化处理，再进行信度分析，其结果如表一所示： 表一信度分析表
表一显示，整体问卷和问卷中的各个维度的Cronbach's Alpha系数值均大于0.6，所以可以推断此问卷的可信度一般，该评价问卷只具有很较高的内在一致性。 2 效度分析 具备信度的问题不一定具备效度，因此做完信度分析，再用SPSS21.0对其进行效度分析。 2.1 因子模型适应性分析 效度分析使用的是因子分析模型，在运用因子模型分析之前，首先要对问卷数据进行因子模型适应性分析，分析结果如下表所示： 表二 KMO 和 Bartlett 的检验 KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。 .657 Bartlett 的球形 度检验近似卡方 1187.63 6 df465 Sig..000
如何用spss做问卷的结构效度分析？ 问：因子分析里面Descriotives里面KMO和巴特利检验就可以了吗？除此之外，还要做什么啊？请高手赐教点简单易懂又能说明效度问题的，谢谢啦！ 问题补充： 提取因子的个数怎么确定？是选特征值大于1的吗？还有，因子载荷怎么算？是在输出结果中直接可以看到吗？本人刚接触spss，请多多指教！ 答： 首先必须要做KMO和Bartlett球形检验,这个你应该会了吧,如果这两个检验合格的话说明数据是适合做因子分析的。 然后提取因子后，看主因子解释总变异的百分比和个因子的因子载荷，主因子解释总变异一般若大于60%的和因子载荷大于0.6的话说明结构效度很好。 pS: ,如果题目没有规定就是选特征值大于1的,如果题目事先要提取几个因子,那么在操作的时候,用SPSS那个因子分析的选项里面有一个地方可以著名，因子载荷在输出的结果直接可以看到（rotated compoment matrpx),一定要是旋转后的因子载荷 用spss进行效度分析? 我要对我的问卷调查数据做一个信度和效度分析。信度分析我会了，就是看Cronbach’s Alpha 系数。效度分表面效度、准则效度和构建效度，前面两项只要说明一下，但是构建效度要用SPSS分析，我想是在因子分析里面吧？就是不知道哪个值代表效度。 答： 因子分析的效度分析主要的指标可以看，因子提取的方差累积贡献率，如果因子提取的越少且方差累积率又不低的话（一般如果2个因子达到40%以上的贡献率就算可以的了），就可以认为因子分析的效度还可以。 除此之外，你可以用因子分析里面Descriotives里面KMO和巴特利检验（battele，不知道是不是这样写的），KMO的值如果>0.5，则说明因子分析的效度还行，可以进行因子分析；另外，如果巴特利检验的P<0.001，说明因子的相关系数矩阵非单位矩阵，能够提取最少的因子同时又能解释大部分的方差，即效度可以。 问:问卷效度测验如何应用于SPSS 问卷效度测验如何应用于SPSS,然后因为做效度检验貌似要用皮尔逊相关还是因子分析,所以不懂如何把这些应用于SPSS，不想要变量，想要整体，一个整体。 用因子分析，就已经是在检验变量的整体了 因子分析就是用少数几个因子来描述许多指标或因素之间的联系，以较少几个因子反映原资料的大部分信息的统计方法。三、因子分析的SPSS过程 第一步：准备数据文件，打开对话框，加载观测变量。数据文件主要是由较多的（一般在10个以上）可观测变量组成，个案数应比较大。然后点击“Analyze” ，选择“Data Reduction” 中的“Factor”打开因子分析对话框，将参与分析的所有观测变量加载到“Variables”下边的方框中。
附件6、 难度、区分度、信度和效度的一般说明 一、难度 难度是指试题的难易程度，它是衡量试题质量的一个重要指标参数，它和区分度共同影响并决定试卷的鉴别性。 一般认为，试题的难度指数在0.3－0.7之间比较合适，整份试卷的平均难度最好在0.5左右，高于0.7和低于0.3的试题不能太多。 1、难度的两种定义 （1）P=1－x/w 其中：x为某题得分的平均分数，w为该题的满分。 这种定义法，难度值小时表明试题容易，值大时表明试题难，最小值为0，最大值为1。 （2）P=x/w 这种定义法，难度值小时表明试题难，值大时表明试题容易，最小值为0，最大值为1。 2、难度的计算 （1）主观性试题的难度 A、基本公式法：P=1－x/w B、极端分组法P=1－(XH+XL)/2W 其中：XH为高分组的平均得分（前27%），XL为低分组的平均得分（后27%）。
（2）客观性试题的难度 A、基本公式法：P=1－R/N 其中：R为答对人数，N为全体人数。 B 极端分组法：P=1－（PH+PL）/2 其中：PH=RH/n叫高分组通过率，RH为高分组答对人数，n 为总人数的前27%。PL=RL/n 叫低分组通过率，RL为低分组答对人数。 二、区分度 区分度是区分应试者能力水平高低的指标。试题区分度高，可以拉开不同水平应试者分数的距离，使高水平者得高分，低水平者得低分。而区分度低则反映不出不同应试者的水平差异。 试题的区分度与试题的难度直接相关。通常来说，中等难度的试题区分度较大。另外，试题的区分度也与应试者的水平密切相关，试题难度只有等于或略低于应试者的实际能力，其区分性能才能充分显现出来。 1、区分度指标的评价 -1.00≤D≤+1.00，区分度指数越高，试题的区分度就越强。一般认为，区分度指数高于0.3，试题便可以被接受。 2、区分度的计算方法 （1）基本公式法：D＝（H－L）/N 其中：D代表区分度指数，H代表高分组答对题的人数，L代表低分组答对题的人数，N代表一个组的人数即高分组与低分组人数之
信度分析和效度分析数据计分方法说明 类别小分类 对应 题项每题计分方法维度计分方法 题 项 职业倦怠 情感枯竭 1-3 题 正向计分 全部题项直接加 总 3 去个性化 4-6 题 正向计分 全部题项直接加 总 3 个人成就感 7-10 题 逆向计分 全部题项取倒数 后加总 4 心理资本 11-18 题正向计分 全部题项直接加 总 8 组织气氛 19-26 题 21题为逆向计 分，其余题项正 向计分 21题取倒数后与 其余题项加总 8 总体幸福 感27-31 题 27题和31题为逆 向计分，其余题 项为正向计分 27和31题取到术 后与其余题项加 总 5 整体问卷 以上各个维度的 总分直接加总 31 讲问卷调查的数据进行如上表的数据预处理后，接下来再进行如下分析。 1 信度分析
这里有63份问卷，首先我们需要的判定的是问卷中的调查题目能否反映调查的目的和调查的意图，问卷中的各个问题是否测量了相同的内容和信息；同时，对于调查问卷所得到的数据是否具有可靠性，就必须在对问卷分析之前做信度分析。信度本身与测量结果的正确与否无关，它的用途在于检测问卷本身的稳定性。信度分析中常用Cronbach α系数的大小来衡量调查问卷的信度。一般而言，如果问卷的信度系数达到0.9以上，该问卷调查的信度就较好；信度系数在0.8以上，是不错的；一般认为试卷信度在0.5至0.9以内是合理的，如果信度系数低于0.5，则此问卷的调查结果就不可信了。 将以上63份问卷的数据用SPSS21.0先进行标准化处理，再进行信度分析，其结果如表一所示： 表一显示，整体问卷和问卷中的各个维度的Cronbach's Alpha系数值均大于0.6，所以可以推断此问卷的可信度一般，该评价问卷只具有很较高的内在一致性。 2 效度分析 具备信度的问题不一定具备效度，因此做完信度分析，再用SPSS21.0对其进行效度分析。 2.1 因子模型适应性分析 效度分析使用的是因子分析模型，在运用因子模型分析之前，首先要对问卷数据进行因子模型适应性分析，分析结果如下表所示： 表二 KMO 和 Bartlett 的检验 0.05的巴特利球型检验，说明问卷调查的数据非常适合做因子分析。 2.2 因子分析结果 在进行了适应性检验之后，接下来就进行因子分析，其结果如下： 表三方差贡献率
如何使用spss软件进行效度和信度分析 如果一个问卷设计出来无法有效地考察问卷中所涉及的各个因素，那么我们为调查问卷所作的抽样、调查、分析、结论等一系列的工作也就白做了。那么，我们如何来检验设计好的调查问卷是否有效呢？信度分析是评价调查问卷是否具有稳定性和可靠性的有效的分析方法。 二、信度分析的提出及分析方法 信度，又叫可靠性，是指问卷的可信程度。它主要表现检验结果的一贯性、一致性、再现性和稳定性。一个好的测量工具，对同一事物反复多次测量，其结果应该始终保持不变才可信[1]。例如，我们用一把尺子测量一张桌子的高度，今天测量得高度与明天测量的高度不同，那么我们就会对这把尺子产生怀疑。因此，一张设计合理的调查问卷应该具有它的可靠性和稳定性。 调查问卷的评价体系是以量表形式来体现的，编制的合理性决定着评价结果的可用性和可信性。问卷的信度分析包括内在信度分析和外在信度分析。内在信度重在考察一组评价项目是否测量同一个概念，这些项目之间是否具有较高的内在一致性。一致性程度越高，评价项目就越有意义，其评价结果的可信度就越强。外在信度是指在不同时间对同批被调查者实施重复调查时，评价结果是否具有一致性。如果两次评价结果相关性较强，说明项目的概念和内容是清晰的，因而评价的结果是可信的。信度分析的方法有多种，有Alpha信度和分半信度等，都是通过不同的方法来计算信度系数，再对信度系数进行分析[2]。 目前最常用的是Alpha信度系数法，一般情况下我们主要考虑量表的内在信度——项目之间是否具有较高的内在一致性。通常认为，信度系数应该在0～1之间，如果量表的信度系数在0.9以上，表示量表的信度很好；如果量表的信度系数在0.8～0.9之间，表示量表的信度可以接受；如果量表的信度系数在0.7～0.8之间，表示量表有些项目需要修订；如果量表的信度系数在0.7以下，表示量表有些项目需要抛弃。我们可以通过目前比较流行的SPSS软件对调查问卷进行信度分析，这样我们就可以判断一个调查问卷是否具有稳定性和可靠性。 三、利用SPSS软件进行信度分析 下面就以兵团广播电视大学“人才培养模式改革和开放教育试点”毕业生追踪调查[3]中《电大教学效果评价》（毕业生用）这一调查量表进行分析。量表见下图。 （一）对量表进行纬度划分，将量表分为知识、能力、业绩三个纬度。其中，第1～4题划分到知识纬度，第5～12题划分到能力纬度；第13～15题划分到业绩纬度。通过每一纬度的Alpha系数来考察每一项得分间的一致性。 1、打开SPSS软件，调入930条记录的数据文件，进入SPSS主界面。 2、在知识纬度中，对项目（1）专业知识的掌握；（2）所学知识与工作岗位的实际需要；（3）知识面的拓宽；（4）专业水平的提高；进行内部一致性分析。 ①单击“分析”菜单中的“尺度分析”，再在“尺度分析”的子菜单中点击“可靠性”分析，打开“可靠性分析”的主对话框。 ②在左侧的源变量框中选择上述四个项目所对应的变量c1，c2，c3，c4加入到对话框右边的“项目”中，作为分析变量，再在对话框下面的“模型”中选择“Alpha”，进行Alpha信度分析。 ③点击对话框中的“统计量”按钮，打开相应的对话框，选择要输出的统计量、变量描述、方差分析，总结等。在这个例题中为了看的清楚，我们用默认方式，即只输出样本个数、项目个数和信度系数。 ④点击“继续”按钮，回到“可靠性分析”的主对话框，勾选“列出项目标签”，再单击“确定”
用spss软件分析进行效度和信度分析具体的操作步骤 在SPSS中，专门用来进行测验信度分析的模块为Scale下的Reliability Analysis；使用Data Reduction之下的Factor模块，可以利用因素分析的方法来进行测验的建构效度检验；至于项目分析则没有专门的模块可以之间进行计算分析，但是却可以利用Summarize下的Frequencies、Correlate下的Bivariate 和Compare Mean下的Independent-Samples T Test来计算几个常用的项目分析指标。 3 m6 ]$ l8 a6 j w% K0 ^ 一、信度分析' M, k! n+ y# C Reliability Analysis模块主要功能是检验测验的信度，主要用来检验折半信度、库李及a系数以及Hoyt信度系数值。至于重测信度和复本信度，只需将样本在二次（份）测验的分数的数据合并到同一数据文件之后，利用Correlate之下的Bivariate求其相关系数，即为重测或复本信度；而评分者信度则就就是使用的Spearman等级相关及Kendall和谐系数。 表1 Reliability Analysis模块的Model选项的参数及对应中文术语3 V O/ m5 i% P; N6 l' a : `. P- I/ c: J9 X/ ~ 关键字功能 ; R% v( ?! T8 L) q* L$ ~ Alpha Cronbach a系数 Split-half 折半信度，n是第二分量表的题数 ( e3 N, N6 w4 l% N( d8 A3 c4 ] Guttman Guttman最低下限真实信度法0 o+ n; n/ ^2 d& B Parallel 各题目变异数同质时的最大概率（maximum-likelihood）信度3 Q( _- Z9 }( a Strict parallel 各题目平均数与变异数均同质时的最大概率信度7 p, x- S9 ?; J: p! k 5 H5 i7 h/ l7 Q) Q 表2 Reliability Analysis模块的Statistics部分选项的参数及对应中文术语 - X9 d% L( ~; ^5 L 关键字功能
s p s s数据分析教程之 s p s s信度分析和效度分 析 Prepared on 21 November 2021
信度分析和效度分析 数据计分方法说明 1 信度分析 这里有63份问卷，首先我们需要的判定的是问卷中的调查题目能否反映调查的目的和调查的意图，问卷中的各个问题是否测量了相同的内容和信息；同时，对于调查问卷所得到的数据是否具有可靠性，就必须在对问卷分析之前做信度分析。信度本身与测量结果的正确与否无关，它的用途在于检测问卷本身的稳定性。信度分析中常用Cronbach α系数的大小来衡量调查问卷的信度。一般而言，如果问卷的信度系数达到0.9以上，该问卷调查的信度就较好；信度系数在0.8以上，是不错的；一般认为试卷信度在0.5至0.9以内是合理的，如果信度系数低于0.5，则此问卷的调查结果就不可信了。 将以上63份问卷的数据用SPSS21.0先进行标准化处理，再进行信度分析，其结果如表一所示： 表一信度分析表
表一显示，整体问卷和问卷中的各个维度的Cronbach's Alpha系数值均大于 0.6，所以可以推断此问卷的可信度一般，该评价问卷只具有很较高的内在一致性。 2 效度分析 具备信度的问题不一定具备效度，因此做完信度分析，再用SPSS21.0对其进行效度分析。 2.1 因子模型适应性分析 效度分析使用的是因子分析模型，在运用因子模型分析之前，首先要对问卷数据进行因子模型适应性分析，分析结果如下表所示： 表二 KMO 和 Bartlett 的检验 KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。.657 Bartlett 的球形度检验近似卡方1187.636 df465 Sig..000 由上表的数据可知，问卷数据的KMO值为0.657，并且通过了显着性水平为0.05的巴特利球型检验，说明问卷调查的数据非常适合做因子分析。 2.2 因子分析结果 在进行了适应性检验之后，接下来就进行因子分析，其结果如下： 表三方差贡献率 解释的总方差 成份 初始特征值提取平方和载入旋转平方和载入 合计方差的 %累积 %合计方差的 %累积 %合计方差的 %累积 % 18.75228.23128.2318.75228.23128.231 4.93715.92615.926 2 3.25910.51438.745 3.25910.51438.745 3.76612.14828.074 3 2.7158.75847.503 2.7158.75847.503 2.9969.66637.740 4 2.2867.37454.877 2.2867.37454.877 2.7148.75646.496 5 1.51 6 4.89159.768 1.516 4.89159.768 2.5848.33554.831 6 1.342 4.32864.096 1.342 4.32864.096 2.076 6.69761.528 7 1.252 4.03868.134 1.252 4.03868.134 1.709 5.51167.040 8 1.053 3.39871.532 1.053 3.39871.532 1.393 4.49271.532 9.958 3.08974.620 10.880 2.84077.461 11.762 2.45979.920 12.714 2.30282.222 13.684 2.20784.429 14.623 2.01186.440 15.580 1.87088.309 16.509 1.64289.951
信度分析和效度分析 数据计分方法说明 类别 小分类 对应题项 每题计分方法 维度计分方法 题项 职业倦怠 情感枯竭 1-3题 正向计分 全部题项直接加总 3 去个性化 4-6题 正向计分 全部题项直接加总 3 个人成就感 7-10题 逆向计分 全部题项取倒数后加 总 4 心理资本 11-18题 正向计分 全部题项直接加总 8 组织气氛 19-26题 21题为逆向计分，其余题项正向计分 21题取倒数后与其余 题项加总 8 总体幸福感 27-31题 27题和31题为逆向计分，其余题项为正 向计分 27和31题取到术后与 其余题项加总 5 整体问卷 以上各个维度的总分 直接加总 31 讲问卷调查的数据进行如上表的数据预处理后，接下来再进行如下分析。 1 信度分析 这里有63份问卷，首先我们需要的判定的是问卷中的调查题目能否反映调查的目的和调查的意图，问卷中的各个问题是否测量了相同的内容和信息；同时，对于调查问卷所得到的数据是否具有可靠性，就必须在对问卷分析之前做信度分析。信度本身与测量结果的正确与否无关，它的用途在于检测问卷本身的稳定性。信度分析中常用Cronbach α系数的大小来衡量调查问卷的信度。一般而言，如果问卷的信度系数达到0.9以上，该问卷调查的信度就较好；信度系数在0.8以上，是不错的；一般认为试卷信度在0.5至0.9以内是合理的，如果信度系数低于0.5，则此问卷的调查结果就不可信了。 将以上63份问卷的数据用SPSS21.0先进行标准化处理，再进行信度分析，其结果如表一所示： 表一 信度分析表
类别Cronbach's Alpha项数 整体问卷.61731 职业倦怠.82210 心理资本.8018 组织气氛.8378 总体幸福感.6795 表一显示，整体问卷和问卷中的各个维度的Cronbach's Alpha系数值均大于0.6，所以可以推断此问卷的可信度一般，该评价问卷只具有很较高的内在一致性。 2 效度分析 具备信度的问题不一定具备效度，因此做完信度分析，再用SPSS21.0对其进行效度分析。 2.1 因子模型适应性分析 效度分析使用的是因子分析模型，在运用因子模型分析之前，首先要对问卷数据进行因子模型适应性分析，分析结果如下表所示： 表二 KMO 和 Bartlett 的检验 KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。.657 Bartlett 的球形度检验近似卡方1187.636 df 465 Sig. .000 由上表的数据可知，问卷数据的KMO值为0.657，并且通过了显著性水平为0.05的巴特利球型检验，说明问卷调查的数据非常适合做因子分析。 2.2 因子分析结果 在进行了适应性检验之后，接下来就进行因子分析，其结果如下： 表三方差贡献率 解释的总方差 成份初始特征值提取平方和载入旋转平方和载入
关于调查问卷的信度和效度检验 （一）信度 1、 信度的含义 测验的信度又称测验的可靠性 ，是指同一个测验对同一组被试施测两次或多次 ，所得结果 一致形程度。一个好的测验必须是稳定可靠的 ，多次使用所获得的结果是前后一致的。例 如，用直尺测量长度，其结果是稳定可靠的 ；用橡皮筋测长度则是不可靠的 ，前后测量 结果缺乏一致性。在测量理论中 ，信度被定义为：某次测验分数的真变异数与总变异数 ST2 （即实测分数）之比：R xx - S x 2 式中Rxx 表示测量的信度,ST -代表真分数的变异数 （方差）,Sx -表示实得分数的变异 数（方差）。 For pers onal use only in study and research; not for commercial use 从上式可看出，（1）信度是指实测值和真值相差的程度 ，实测值是指对某物实际进行测 量时所获得值 ，也称实测分数 （X ）;真值是指被测事物的真实规模取值 ，也称真分数 （T ）。由于各种原因，实得分数常不等于真分数 ，两者之差称为测量误差或误差分数 （E ）。从理论上看，实得分数由真分数和误差分数两部分组成即 :X=T+E Rxx 就是对一组测验数据的实测分数与真分数相差程度的最好估计。 （2 ）信度又是指相同的测验对相同的被试再次测量时引起的同样反应的程度。如果两次 测验中，受测者所得分数或所处等级前后一致 ，则说明测验结果的信度较高 ；反之，两 次测验结果一致性低 ，说明测验结果的信度低。 For pers onal use only in study and research; not for commercial use 信度是任何一种测量的必要条件 （但不是唯一条件 ）,只有测量值接近或等于真值 ，用同 一工具多次测量同一特性获得相同或相近的结果 ，才能认为这个测量结果是可靠的。 信度 对于教育测量尤其重要，只有信度高的教育测验才能成为教育工作者有用的工具 ，才能为 教育工作者提供可靠的信息，为教育预测和决策提供客观依据。 2、 信度的估计方法 测验的信度是用信度系数的大小来表示的 ，根据测量理论，信度系数 For pers onal use only in study and research; not for commercial use ST2 R xx S 2 但是在实际测量中，一般只能获得实得分数 （X ）及实得变异数 （Sx 2 ）,而真分数（T ）及 真变异数（ST 2 ）是不知道的，因此，依据上述公式还无法机算信度系数。在统计上 ，主 要采用相关分析的方法即机算两列变量的相关系数 ，用相关系数的大小来表示信度的高 低。主要用以下方法来求得信度 ：
信度分析和效度分析 数据计分方法说明 类别 小分类 对应 题项 每题计分方法 维度计分方法 题 项 情感枯竭 1-3题 正向计分 全部题项直接加总 3 职业倦怠 去个性化 4-6题 正向计分 全部题项直接加总 3 个人成就感 7-10 题 逆向计分 全部题项取倒数后 加总 4 心理资本 11-18 题 正向计分 全部题项直接加总 8 组织气氛 19-26 21题为逆向计分， 21题取倒数后与其 8 题 其余题项正向计分 余题项加总 总体幸福感 27-31 题 27题和31题为逆 向计 分，其余题项 为正向计分 27和31题取到术后 与其 余题项加总 5 整体问卷 以上各个维度的总 分直接 加总 31 讲问卷调查的数据进行如上表的数据预处理后，接下来再进行如下分析 1信度分析 这里有63份问卷，首先我们需要的判定的是问卷中的调查题目能否反映调查的目的和 调查的意图，问卷 中的各个问题是否测量了相同的内容和信息；同时，对于调查问卷所得到 的数据是否具有可靠性，就必须在对问卷分析之前做信度分析。信度本身与测量结果的正确 与否无关，它的用途在于检测问卷本身的稳定性。信度分析中常用 Cron bach a 系数的大小 来衡量调查问卷的信度。一般而言，如果问卷的信度系数达到 0.9以上，该问卷调查的信度 就较好；信度系数在0.8以上，是不错的；一般认为试卷信度在 0.5至0.9以内是合理的， 如果信度系数低于0.5，则此问卷的调查结果就不可信了。 将以上63份问卷的数据用SPSS21.0先进行标准化处理，再进行信度分析，其结果如表 一所示： 表一信度分析表 类别 Cronbach's Alpha 项数 整体问卷 .617 31 职业倦怠 .822 10 心理资本 .801 8 组织气氛 .837 8 总体幸福感 .679 5 表一显示，整体问卷和问卷中的各个维度的 Cron bach's Alpha 系数值均大于0.6，所以 可以推断此问卷的可信度一般，该评价问卷只具有很较高的内在一致性。
如何进行问卷信效度分析 问卷调查法是教育研究中广泛采用的一种调查方法，根据调查目的设计的调查问卷是问卷调查法获取信息的工具，其质量高低对调查结果的真实性、适用性等具有决定性的作用。为了保证问卷具有较高的可靠性和有效性，在形成正式问卷之前，应当对问卷进行试测，并对试测结果进行信度和效度分析，根据分析结果筛选问卷题项，调整问卷结构，从而提高问卷的信度和效度。信度和效度分析的方法包括逻辑分析和统计分析，本文主要讨论后者。 一、信度分析 信度（Reliability）即可靠性，它是指采用同样的方法对同一对象重复测量时所得结果的一致性程度。信度指标多以相关系数表示，大致可分为三类：稳定系数（跨时间的一致性），等值系数（跨形式的一致性）和内在一致性系数（跨项目的一致性）。信度分析的方法主要有以下四种： 重测信度法：这一方法是用同样的问卷对同一组被调查者间隔一定时间重复施测，计算两次施测结果的相关系数。显然，重测信度属于稳定系数。重测信度法特别适用于事实式问卷，如性别、出生年月等在两次施测中不应有任何差异，大多数被调查者的兴趣、爱好、习惯等在短时间内也不会有十分明显的变化。如果没有突发事件导致被调查者的态度、意见突变，这种方法也适用于态度、意见式问卷。由于重测信度法需要对同一样本试测两次，被调查者容易受到各种事件、活动和他人的影响，而且间隔时间长短也有一定限制，因此在实施中有一定困难。 复本信度法：复本信度法是让同一组被调查者一次填答两份问卷复本，计算两个复本的相关系数。复本信度属于等值系数。复本信度法要求两个复本除表述方式不同外，在内容、格式、难度和对应题项的提问方向等方面要完全一致，而在实际调查中，很难使调查问卷达到这种要求，因此采用这种方法者较少。 折半信度法：折半信度法是将调查项目分为两半，计算两半得分的相关系数，进而估计整个量表的信度。折半信度属于内在一致性系数，测量的是两半题项得分间的一致性。这种方法一般不适用于事实式问卷（如年龄与性别无法相比），常用于态度、意见式问卷的信度分析。在问卷调查中，态度测量最常见的形式是5级李克特（Likert）量表。进行折半信度分析时，如果量表中含有反意题项，应先将反意题项的得分作逆向处理，以保证各题项得分方向的一致性，然后将全部题项按奇偶或前后分为尽可能相等的两半，计算二者的相关系数（rhh，即半个量表的信度系数），最后用斯皮尔曼-布朗（Spearman-Brown）公式，求出整个量表的信度系数（ru）。 α信度系数法：Cronbach α信度系数是目前最常用的信度系数。其中，K为量表中题项的总数，为第i题得分的题内方差，为全部题项总得分的方差。从公式中可以看出，α系数评价的是量表中各题项得分间的一致性，属于内在一致性系数。这种方法适用于态度、意见式问卷（量表）的信度分析。 二、效度分析 效度（Validity）即有效性，它是指测量工具或手段能够准确测出所需测量的事物的程度。效度分为三种类型：内容效度、准则效度和结构效度。效度分析有多种方法，其测量结果反映效度的不同方面。常用于调查问卷效度分析的方法主要有以下几种： 单项与总和相关效度分析：这种方法用于测量量表的内容效度。内容效度又称表面效度或逻辑效度，它是指所设计的题项能否代表所要测量的内容或主题。对内容效度常采用逻辑分析与统计分析相结合的方法进行评价。逻辑分析一般由研究者或专家评判所选题项是否“看上去”符合测量的目的和要求。统计分析主要采用单项与总和相关分析法获得评价结果，即计算每个题项得分与题项总分的相关系数，根据相关是否显著判断是否有效。若量表中有反意题项，应将其逆向处理后再计算总分。 准则效度分析：准则效度又称为效标效度或预测效度。准则效度分析是根据已经得到确定的某种理论，选择一种指标或测量工具作为准则（效标），分析问卷题项与准则的联系，若二者相关显著，或者问卷题项对准则的不同取值、特性表现出显著
问卷调查的信度与效度分析图解 蒋智钢 前几天有朋友要我帮忙算下调查问卷的信度和效度，看了一下后才发现原来这个问题是很多人都会碰到的，似乎有必要写那么一丁点东东。 对于从医还要涉及那么点科研的人来说，问卷调查是许多人都不可避免要做的一项工作，无论你是要做毕业课题，还是要完成一项基金项目，甚至好多人的课题的核心就是做一个问卷调查，那么，你把问卷设计好了，也发出去了，或者结果也统计出来了，但是，问你一句：你的结果可靠吗？你的问卷合格吗？怎么回答？ 判断一份用于调查的问卷是否合格是有指标的，也就是我今天要提到的这2个：信度和效度。顾名思义，信度嘛，当然是指调查问卷的可信程度；效度呢，就是指问卷的有效性，二者各取一字成其名。好了，闲话到此打住，直接进入正题，怎么个算法。 1. 先算信度，这个指标是用Cronbach α信度系数来评价的，其实信度系数还有好多个，但是，我们一般就考虑量表的内在信度【这里的量表也就是调查表啦】，简言之，就是项目之间是否具有较高的内在一致性，所以，就算这个Cronbach α就好了。再啰嗦一句：这个α在0~1之间，α>0.8时，表示量表信度很好；0.7~0.8之间，表示量表的信度可以接受；如果是在0.6~0.7范围内，表示量表也可以接受但需改进。 计算的方法很简单，打开SPSS，把你的数据都输入进去即可，当然，数据的输入也是有技巧的，你可以在excel里面先输入数据然后再导入，我比较喜欢这种方式。但是要记住，一列代表一个指标或者称之为“维度”，换言之也就是你的问卷里面的一个具体的题目，有多少个问题就对应多少列，一行代表一个调查对象。数据都弄好之后，在SPSS中点“Analyze-Scale-Reliability Analysis…”进行计算，剩下的不打字了，自己看图吧。 你的问卷调查表的数据可能与下面的类似：【这些数据是我随便弄的，这里只讲方法，不论结果好坏！】
信度分析和效度分析 本问卷分析的方法全部参考谦瑞数据分析服务有限公司提供的问卷分析，如果对下面文章中涉及到的统计方法不太明白的可以到https://www.doczj.com/doc/aa15260695.html,中详细学习。 数据计分方法说明 类别小分类对应题项每题计分方法维度计分方法题项 职业倦怠 情感枯竭1-3题正向计分全部题项直接加总 3 去个性化4-6题正向计分全部题项直接加总 3 个人成就感7-10题逆向计分全部题项取倒数后加总 4 心理资本11-18题正向计分全部题项直接加总8 组织气氛19-26题 21题为逆向计 分，其余题项正 向计分 21题取倒数后与其余题项 加总 8 总体幸福感27-31题27题和31题为 逆向计分，其余 题项为正向计分 27和31题取到术后与其余 题项加总 5 整体问卷以上各个维度的总分直接 加总 31 讲问卷调查的数据进行如上表的数据预处理后，接下来再进行如下分析。 1 信度分析 这里有63份问卷，首先我们需要的判定的是问卷中的调查题目能否反映调查的目的和调查的意图，问卷中的各个问题是否测量了相同的内容和信息；同时，对于调查问卷所得到的数据是否具有可靠性，就必须在对问卷分析之前做信度分析。信度本身与测量结果的正确与否无关，它的用途在于检测问卷本身的稳定性。信度分析中常用Cronbach α系数的大小来衡量调查问卷的信度。一般而言，如果问卷的信度系数达到0.9以上，该问卷调查的信度就较好；信度系数在0.8以上，是不错的；一般认为试卷信度在0.5至0.9以内是合理的，如果信度系数低于0.5，则此问卷的调查结果就不可信了。 将以上63份问卷的数据用SPSS21.0先进行标准化处理，再进行信度分析，其结果如表一所示： 表一信度分析表 类别Cronbach's Alpha项数 整体问卷.61731 职业倦怠.82210 心理资本.8018 组织气氛.8378 总体幸福感.6795
实用标准文案 做问卷的结构效度分析？如何用spss还要做什么啊？请高手赐教点简单易懂又能KMO和巴特利检验就可以了吗？除此之外，问：因子分析里面Descriotives里面说明效度问题的，谢谢啦！问题补充： 因子载荷怎么算？是在输出结果中直接可以看到吗？本人刚接触的吗？还有，提取因子的个数怎么确定？是选特征值大于1 ，请多多指教！spss答：如果这两个检验合格的话说明数据是适合做因子分析的。这个你应该会了吧,Bartlett首先必须要做KMO和球形检验,0.660%的和因子载荷大于然后提取因子后，看主因子解释总变异的百分比和个因子的因子载荷，主因子解释总变异一般若大于的话说明结构效度很好。 那个因子分析的选项SPSS那么在操作的时候,用如果题目没有规定就是选特征值大于1的,如果题目事先要提取几个因子,pS: , 一定要是旋转后的因子载荷因子载荷在输出的结果直接可以看到（rotated compoment matrpx),里面有一个地方可以著名，? spss进行效度分析用系数。效度分表面效度、准Cronbach's Alpha 我要对我的问卷调查数据做一个信度和效度分析。信度分析我会了，就是看分析，我想是在因子分析里面吧？就是不知道哪个值代SPSS则效度和构建效度，前面两项只要说明一下，但是构建效度要用表效度。答：因子分析的效度分析主要的指标可以看，因子提取的方差累积贡献率，如果因子提取的越少且方差累积率又不低的话（一般如以上的贡献率就算可以的了），就可以认为因子分析的效度还可以。40%果2个因子达到 的值KMObatteleKMO和巴特利检验（，不知道是不是这样写的），除此之外，你可以用因子分析里面Descriotives里面，说明因子的相关系数矩阵非P<0.001如果>0.5，则说明因子分析的效度还行，可以进行因子分析；另外，如果巴特利检验的单位矩阵，能够提取最少的因子同时又能解释大部分的方差，即效度可以。SPSS 问卷效度测验如何应用于问:，不所以不懂如何把这些应用于SPSSSPSS,问卷效度测验如何应用于然后因为做效度检验貌似要用皮尔逊相关还是因子分析, 想要变量，想要整体，一个整体。用因子分析，就已经是在检验变量的整体了 因子分析就是用少数几个因子来描述许多指标或因素之间的联系，以较少几个因子反映原资料的大部分信息的统计方法。过程三、因子分析的SPSS个以上）可观测变量组成，个案数第一步：准备数据文件，打开对话框，加载观测变量。数据文件主要是由较多的（一般在10中的“Factor”打开因子分析对话框，将参与分析的所有，选择“Data Reduction”。然后点击“Analyze”应比较大 观测变量加载到“Variables”下边的方框中。精彩文档． 实用标准文案 第二步：点击“Descriptives…”设置描述性统计要求。这里关键的是要求输出因子分析适合度的检验，一般要求输出：计算选中( ）、反像相关矩阵检验相关系数矩阵（选中Coefficients）、相关系数显著性水平矩阵（选中Significance levels of sphericity）。Bartlett's test 选中、KMO 和巴特利特球形检验（KMO and Anti-image ) : 点击“Extraction”打开对话框设置因子提取方式。在界定因子提取方法中需要设置以下几个方面的参数：第三步Principal ：大多数情况下认为因子是变量的线性组合，所以使用最多的是主成分分析法（(1) 因子构造方法 ; components）后输入一个因子数），如果还无法确定可以不设定因子数，先以factors of (2) 提取因子数（选中Number 默认状态进行尝试性分析；“Scree plot”以输出未经旋转的因子载荷矩阵、(3) 在“Display”下选中“Unrotated factor solution”和 碎石图。执行之后根据输出信息确定提取因子数，比如根据碎石图来确定；）或Varimax 第四步：点击“Rotation”按钮打开选择因子载荷矩阵的旋转方法。一般使用最多的是正交旋转（选中 其中斜交旋转速度快，所以大样本时多选此方法。同时可选中“Rotated solution”和Promax）,斜交旋转方法（选中“Loading plot(s)”，以输出旋转后因子旋转矩阵、载荷散点图。第五步：点击“Scores”设置因子得分计算方法。一般最多的是选择回归方法，由此可以计算每个因子分数并记录到数据文件或其他方法。还要选中“Regression”, 可在对话框中选中“Save as variables”，然后在计算方法中选择中。为此 “Display factor score coefficient matrix”。: 第六步：点击“Options”设置因子载荷系数的显示格式选中“Sorted by size”，则因子载荷系数按照大小顺序排列，并构成矩阵，使得在同一因子上具有较高载荷(1) 的变量排在一起，便于得到结论；则因子载荷矩1间的一个数，(2) 选中“Suppress absolute values less than:”并在其后的方格中输入一个0～ 阵中就不再显示那些小于这个数值的载荷系数了，而只显示那些比此数值大的载荷值，从而使因子所解释的主要变量一目了然。》，对信度分析有张)含CD光盘1可参考电子工业出版社出版的《PASW/SPSS Statistics中文版统计分析教程（第3版）( 详细的介绍。