当前位置：文档之家 › SPSS数据分析问题提出与实例导学 第11章 效度检验因素分析.ppt

SPSS数据分析问题提出与实例导学 第11章 效度检验因素分析.ppt

  • 格式：ppt
  • 大小：1.74 MB
  • 文档页数：53

下载文档原格式

  / 53

合集下载

spss数据分析教程之SPSS信度分析和效度分析

spss数据分析教程之SPSS信度分析和效度分析

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。

利用SPSS进行因素分析ppt课件

利用SPSS进行因素分析ppt课件

Scree Plot
7
6
5
4
3
2
1
0
1
2
3
4
5
6
7
8
9
10
Component Number
E i g e n v a lu e
4.方差奉献率检验
——取特征值大于 1 的要素，共有3 个，分别〔6.358〕 〔1.547〕〔1.032〕;
——变异量分别为〔63.58%〕〔15.467%〕〔10.32%〕
中为
了让研讨者明白此项的意义，才勾选了此项，正式的研讨中
应呈现题项完好的要素负荷量较为适宜。
三、对SPSS要素分析结果的解释
1. 取样适当性〔KMO〕检验 2. 共同性检查 3. 要素陡坡检查 4. 方差奉献率检验 5. 显示未转轴的要素矩阵 6. 分析转轴后的要素矩阵
1. 取样适当性〔KMO〕检验
〔06〕设置要素分数 —— 在【 Factor Analysis】对话框中，点击【Scores】 按钮，出现 【 Factor Analysis: Scores 】〔要素分析： 分数〕对话框。
—— 普通取默许值。 —— 点击〔Contiue〕按钮确定，回到【 Factor Analysis】 对话框。
.872
A5
1.000
.901
A6
1.000
.867
A7
1.000
.919
A8
1.000
.907
A9
1.000
.965
A10
1.000
.939
Extraction Method: Principal Component Analysis.
3.要素陡坡检查，除去坡线平坦部分的要素 图中第三个要素以后较为平坦，故保管3个要素

spss数据分析教程之SPSS信度分析和效度分析

spss数据分析教程之SPSS信度分析和效度分析

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。

spss数据分析教程之spss信度分析和效度分析

spss数据分析教程之spss信度分析和效度分析

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。

spss数据分析教程之信度分析和效度分析

spss数据分析教程之信度分析和效度分析

s p s s数据分析教程之信度分析和效度分析本页仅作为文档封面，使用时可以删除This document is for reference only-rar21year.March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以上，该问卷调查的信度就较好；信度系数在以上，是不错的；一般认为试卷信度在至以内是合理的，如果信度系数低于，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，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，再用对其进行效度分析。

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。

spss数据分析教程之spss信度分析和效度分析

spss数据分析教程之spss信度分析和效度分析
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
23
.204
.659
24
.184
.592
25
.171
.552
26
.148
.478
27
.121
.391
28
.101
.325
29
.079
.254
30
.058
.186
31
.039
.127
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%，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。
.657
Bartlett 的球形度检验
近似卡方
df
465
Sig.
.000
由上表的数据可知，问卷数据的KMO值为，并且通过了显着性水平为的巴特利球型检验，说明问卷调查的数据非常适合做因子分析。
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
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%，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。

spss数据分析教程之SPSS信度分析和效度分析

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'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'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。

SPSS信度效度教程课件


第二节 效度分析
一、效度分析的基本概念 效度是指测量的有效性程度，是测量工具能测
出所要测量特质的程度，即准确性、有用性。
以英文出统计学考题 英文作文题目让考生看不懂
是内容效度（表面效度、逻辑效度）
内容效度是指所设计的题项能否代表所要测量的内容或主题
（二）准则效度
也称为效标效度。
是根据已经确定的某种理论，选择一种指标或者测量工具作 为准则（校标），分析问卷题项与准则的联系，来分析有效 性。
（三）建构效度
是指测量结果体现出来的某种结构与测值之间的对应程度。 效度分析最理想的方法是利用因子分析测量量表或整个问卷的 结构效度。
因子分析的主要功能是从量表全部变量（题项）中提取一 些公因子，各公因子分别与某一群特定变量高度关联，这些公 因子即代表了量表的基本结构。
二、信度分析的方法
检视信度的方法有很多种，其中，最常用的是第四种 Cronbach α系数，简介以下四种：
1、重测信度法（稳定系数即跨时间的一致性） 使用同一份问卷，对同一群受测者，在不同的时间，前
后测试两次，求出者两次分数的相关系数，此系数又称 为稳定系数（Coefficient of Stability）。 需注意：相关系数高，表示此测验的信度高，前后两 次测验间隔的时间要适当。若两次测验间隔太短，受测 者记忆犹新通常分数会提高，不过如果题数够多则可避 免这种影响；但若两次测验间隔太长，受测者心智成长 影响，稳定系数也可能会降低。 特别适用于事实性问卷
量测一组同义或平行测验总和的信度，如果尺度中的所 有项目都在反映相同的特质，则各项目之间应具有真实的 相关存在。若某一项目和尺度中其它项目之间并无相关存 在，就表示该项目不属于该尺度，而应将之剔除。

spss数据分析教程之SPSS信度分析和效度分析

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。

spss数据分析教程之spss信度分析和效度分析

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Cronbach's类别项数Alpha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。

  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)。
SPSS数据分析： 问题提出与实例导学
（第十一部分）
主讲：赵小军（安庆师范学院） 祁禄（广州大学）
第十一章 效度检验――因素分析
第一节 因素分析统计知识简介
一、R型因子分析与Q型因子分析
R型因子分析是针对变量所做的因子分析，其 基本思想是通过对变量的相关系数矩阵内部结构 的研究，找出能够控制所有变量的少数几个随机 变量去描述多个随机变量之间的相关关系。但这 少数几个随机变量是不能直接观测的，通常称为 因子。然后再根据相关性的大小把变量分组，使 同组内的变量之间的相关性较高，不同组变量之 间的相关性较低。Q型因子分析是针对样品所做 的因子分析。
具体来讲，探索性因素分析与验证性因素分析模型假设有一些区分: 【探索性因素分析的假设】
（1）所有的公共因素都相关（或都无关）； （2）所有的公共因素直接影响所有的观测变量； （3）特殊因素之间相互独立； （4）所有观测变量只受一个特殊因素的影响； （5）公共因素和特殊因素相互独立 ； （6） 观测变量与潜在变量之间的关系不是事先假定的； （7）潜在变量的个数不是在分析前确定的； （8）模型通常是不可识别的。 【验证性因素分析的假设】
correlation matrix框： coefficients:相关系数矩阵 significance level:显著性水平 determinant:相关系数矩阵的行列式 inverse:相关系数矩阵的逆矩阵 reproduced:由k（k≤m）个主成分再生的原变量相关系数矩阵 anti-image:反映象相关矩阵 KMO and Bartlett’s test of sphericity ：KMO检验和Bartlett检 验，它是对分析模型的适宜程度的检验。（必选）
（1）正交旋转：正交，指旋转过程中，因子之间 的轴线夹角为90度，即因子之间的相关设定为0。 有最大变异法，四方最大法，均等变异法。 （2）斜交旋转：先求得在正交因素模型下的因素 负荷矩阵B，然后对因素负荷矩阵A作斜交变换T*， 求得斜交负荷矩阵A*=BT*。这种方法因子与因子 之间具有一定的相关性。有最小斜交法，最大斜 交法和四方最小法。 至于采用何种转轴法，研究者可以根据文献探究 与理论基础分析结果作为依据，如果相关理论上 显示共同因素层面间是彼此独立，没有关系存在 的，则应采取正交转轴法；如果依理论研究所得， 因素层面间，彼此有相关并且非独立的，则应采 取斜交转轴法。在心理学与教育学中，更多的可 能应该选择斜交旋转。
因子分析运算的过程，与回归分析类似。为
了进行因子分析，必须假定每一测试的分数都符
合正态分布，对于一个给定的被试，每一测试分
数都是它在一组或因子上的分数再加上该因子测 试特有成分的线性组合。即Xij＝bj1Fi1＋bj2Fi 2 ＋……＋bj mFi m＋ij。其中Xij是第i个被试在第j 个子测试中的分数值，Fik是同一被试在第k个维 度上的“分数”。ij是Xij的一部分，它不能用普通 的维度来说明，可以认为是第j个测试中的特殊量。 该因子等式可写成更简单的形式：Xj＝bj1F1＋ bj2F2＋……＋bj mF m＋j。这个等式的意思是 “第j个子测试的分数是在公共因子F1,F2,…,Fm 上的分数加一个特殊因子所贡献的j线性组合”。 bjk是第k个因子在第j个子测试分数中的负荷，又 称为因子分数系数。
6、[必选项] 打开extraction按纽 method 项 principal components:主成分分析法（默认选项） unweighted least square: 未加权最小二乘法 generalized least spuare: 一般化最小二乘法 maximum likehood: 极大似然法 principal axis factoring: 主轴因素法 Alpha factoring: Alpha: 因素抽取法 Image factoring: 映象因素抽取法 Analyze 用于指定分析项 Correlation matrix: 生成相关矩阵（默认选项） Covariance matrix: 生成协方差矩阵 Display 用于选择输出项 Unrotated factor solution: 输出未旋转的因子提取结果（默认选项） Scree plot: “碎石”图 Extract 项： Eigenvalues over: 提取大于输入值的特征值（默认值为“1”） Number of factors: 该项用于指定要提取的因子数目 Maximum interations for: 用于输入因子分析的最大迭代步数（默认值 为“25”）
由于是探索性因素分析，在因素分析时，根
据项目分析或题项与总分的判别，剔除题项后， 剩下的量表题项均纳入因素分析变量范围内，以 特征值等于1为判别基准时，研究者常会发觉计算 机所抽取的因素过多，或某些因素所包含的题项 不够恰当、因素命名不容易。在探索因素中，这 是可以理解的，因为受受试者填答、量表编制过 程的严谨性等变化因素的影响，常导致部分量表 的因素分析结果，不完全符合研究者当初编制的 层面因素，所以研究者可能会删除题项进行第二、 第三次的因素分析。
二、探索性因子分析与验证性因子分析
（一）探索性因子分析(EFA)就是指传统的因子分析。在 典型的EFA中，研究者通过共变关系的分解，找出共同因 子，然后进一步探讨这些共同因子与个别变量的关系，找 出观察变量与其相对应因子之间的强度，以说明因子与所 属的观察变量的关系，决定因子的内容，为因子取一个合 适的名字。
5、决定因素与命名
根据心理学专业知识，来对因素进行命 名。所以，心理学理念在因素命名中十分 重要。由此可见，质化手段和量化手段需 要在研究中同时具备。
第三节 探索性因素分析的SPSS过程
一、探索性因素分析SPSS学习的步骤
（一）理解探索性因素分析方法（注重统计意识）； 理解探索性因素分析方法的以下方面：作用、前提条
三、SPSS步骤流程 （一）问题提出（学生预备知识） （二）数据分析 1、启 动 [必选项]启动SPSS，打开文件 2、打开菜单 [必选项]点击菜单Analyze
Data Reduction
Factor... 3、选择变量 [必选项]将左边方框中需要分析的变量移入variables框中
4、限制分析范围 [可选项]选择一个变量进入selection框，该变量用来限制分析 范围
由于传统的因子分析企图找出最少的因子来代表所 有的观察变量，因此研究者必须在因子数目与可解释变异 量两者间寻找平衡点。因为因子分析至多可抽取出相等于 观察变量总数的因子数目，这样，虽可解释全部100％的 变异，但失去因子分析找寻因子结构的目的，但如果研究 者企图以少数几个较明显的因子来代表所有的项目，势必 将损失部分可解释变异来作为代价。
（二）因子分析的条件
因子分析的进行必须满足以下几个条件：① 因子分析的变量都必须是连续变量，符合线性关 系的假设；②抽样过程必须随机，并具有一定规 模，专家建议样本数在100以下不宜进行因子分 析，样本数最好大于300。或样本数最少为变量 数的五倍，且大于100；③变量之间具有一定程 度的相关，对于一群相关太高或太低的变量，不 太适合进行因子分析。
（二）验证性因子分析（CFA）要求研究者 对于潜在变量的内容与性质，在测量之初 就必须有非常明确的说明或有具体的理论 基础，并已先期决定相对应的观察变量的 组成模式，进行因子分析的目的是为了检 验这一先期提出的因子结构的适合性。
三、因子分析基本思想、模型与条件
（一）因子与因子负荷
因子分析发展最初目的是在简化一群庞 杂的测量，找出可能存在于观察变量背后 的因子结构，使之更为明确，增加其可理 解性。因子分析的基本假设是那些不可观 测的“因子”隐含在许多现实可观察的事 物背后，虽然难以直接测量，但可以从复 杂的外在现象中计算、估计或抽取得到。
（三）因子数目
1、特征值 主要根据特征值的大小。特征值代表 某一因子可解释的总变异量，特征值越大，代表 该因子解释力越强。选取特征值大于1的因素。
2、碎石图 即陡坡检验。将每一个因子依其特征 值从达到小排序，当因子的特征值逐渐接近，没 有变化之时，代表特殊的因子已经无法抽取出来。
3、理论构思
（四）转轴方法
5、显示描述统计的结果和主成分分析的初始结果 [可选项] 点击descriptives statistics框： univariate descriptives:显示单变量的均值、标准差、合法观 测量数。
initial solution:输出原始变量的公因子方差、特征值、各因子 特征值占总方差的百分比以及累积百分比（默认项）
在因素抽取上，通常最初因素抽取后，对因素无法做 有效解释，转轴的目的就在于改变题项在各因素的负荷量 的大小，转轴时根据题项与因素结构关系的密切程度，调 整各因素负荷量的大小，转轴后，大部分题项在每个共同 因素中有一个差异较大的因素负荷量。
说明：※因素旋转的目的是寻找一个“最简结构”，即经 过使得：①在K个因素上所有原变量变异矢量的投影（又 称因素负荷）都尽可能都是正的；②取值为零的因素负荷 的数目尽可能地多。寻找一个“最简结构”的目的，为了 能够更加逻辑合理地辨识因素并且为它们命名。
（1）公共因素之间可以相关也可以无关； （2）观测变量可以只受某一个或几个公共因素 的影响而不必受所有 公共因素的影响；
（3）特殊因素之间可以有相关，还可以出现不存在误差因素的观测 变量；
（4）公共因素和特殊因素之间相互独立； （5）观测变量与潜变量之间的关系事先假定的； （6）潜在变量的个数在数据分析前确定的； （7）模型通常要求是可识别的。
8、scores 按钮（可选项）
save as variables: 将因子得分保存为新变量
methoห้องสมุดไป่ตู้: 用于选择因子得分方法
regression::因子得分的均值为0。方差等于估计因子的得 分和实际因子的得分之间的多元相关的平方
bartlett: 因子得分的均值为0，同时变量因子的平方和最小