spss数据分析教程之spss信度分析和效度分析

  • 格式:docx
  • 大小:54.27 KB
  • 文档页数:47

下载文档原格式

  / 47
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

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

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

17.449 1.44991.400

18.394 1.27292.672

19.342 1.10493.777

20.289.93494.710

21.276.89295.602

22.258.83396.435

23.204.65997.094

24.184.59297.686

25.171.55298.239

26.148.47898.717

27.121.39199.108

28.101.32599.433

29.079.25499.687

30.058.18699.873

31.039.127100.00

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

12345678

职业倦怠10.8120.0240.0460.0060.012-0.172-0.206-0.085

职业倦怠20.788-0.0430.051-0.1410.176-0.2110.094-0.086

职业倦怠30.651-0.112-0.056-0.155-0.172-0.217-0.053-0.299

职业倦怠40.743-0.0850.067-0.19-0.172-0.2750.017-0.073

职业倦怠50.741-0.186-0.010.077-0.455-0.01-0.120.008

职业倦怠60.744-0.2040.053-0.109-0.0840.115-0.0630.078

职业倦怠70.297-0.1130.67-0.189-0.1730.0250.2230.246