《SPSS因子分析》PPT課件.ppt

《《SPSS因子分析》PPT課件.ppt》由會(huì)員分享，可在線閱讀，更多相關(guān)《《SPSS因子分析》PPT課件.ppt（21頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

PPT模板下載 結(jié)構(gòu)效度的測(cè)定方法 因子分析 SPSS軟件應(yīng)用 吳迪 1 效度的基本概念 01STEP 因子分析的基本原理 02STEP 因子分析操作程序 03STEP 因子分析的報(bào)表解釋 04STEP 2 內(nèi)容效度 效標(biāo)關(guān)聯(lián)效度 指測(cè)量量表內(nèi)容或題項(xiàng)的適當(dāng)性與代表性 及測(cè)驗(yàn)內(nèi)容能反應(yīng)所要測(cè)量的心理特質(zhì) 能否測(cè)量到所要測(cè)驗(yàn)的目的或行為構(gòu)想 內(nèi)容效度的檢驗(yàn)通常會(huì)透過雙向細(xì)目表 以考查測(cè)驗(yàn)內(nèi)容的效度 內(nèi)容效度常以題目分布的合理性來判斷 屬于一種命題的邏輯分析 因而內(nèi)容效度也稱為 邏輯效度 logicalvalidity 指測(cè)驗(yàn)與外在效標(biāo)間關(guān)聯(lián)的程度 如果測(cè)驗(yàn)與外在效標(biāo)間的相關(guān)愈高 表示此測(cè)驗(yàn)的效標(biāo)關(guān)聯(lián)效度愈高 3 結(jié)構(gòu)效度 專家效度 指測(cè)驗(yàn)?zāi)軌驕y(cè)量出理論的特質(zhì)或概念的程度 即實(shí)際的測(cè)驗(yàn)分?jǐn)?shù)能解釋某一心理特質(zhì)的多少 反映的是工具與其所依據(jù)的理論或概念框架間的相結(jié)合程度 結(jié)構(gòu)效度分為聚合效度 convergentvalidity 和判別效度 discriminantvalidity 在研究者根據(jù)理論假設(shè)編制測(cè)驗(yàn)或量表后 如果無法編制雙向細(xì)目表進(jìn)行內(nèi)容效度檢驗(yàn) 可以將編制好的量表請(qǐng)相關(guān)的學(xué)者專家加以審查并提供修正意見 研究者再根據(jù)專家學(xué)者的意見進(jìn)行修正 4 以三個(gè)變量抽取二個(gè)共同因子為例 系數(shù)aji為第個(gè)i變量與第k個(gè)因子之間的線性相關(guān)系數(shù) 反映變量與因子之間的相關(guān)程度 也稱為載荷 loading 由于因子出現(xiàn)在每個(gè)原始變量與因子的線性組合中 因此也稱為公因子 Uj為特殊因子 代表公因子以外的因素影響 5 計(jì)算變量間的相關(guān)矩陣或協(xié)方差矩陣 估計(jì)因素負(fù)荷量 轉(zhuǎn)軸方法 決定因素與命名 01 02 03 04 因子分析的主要步驟 6 01 計(jì)算變量間的相關(guān)矩陣或協(xié)方差矩陣 如果一個(gè)變量與其它變量間相關(guān)很低 在下一個(gè)分析步驟中可以考慮剔除此變量 還要考量到變量的 共同性 communality 與 因子負(fù)荷量 factorloadings 若相關(guān)矩陣中的大部分相關(guān)系數(shù)小于0 3 則不適合作因子分析 7 02 估計(jì)因素負(fù)荷量 決定因子抽取的方法 有主成分分析法 主軸法 一般化最小二乘法 未加權(quán)最小二乘法 極大似然法 Alpha因子抽取法與映象因子抽取法 最常使用者為主成分分析法與主軸法 研究者應(yīng)多采用主成分分析法來估計(jì)因子負(fù)荷量 8 轉(zhuǎn)軸方法 因子旋轉(zhuǎn)的目的是為了便于理解和解釋因子的實(shí)際意義 主要有兩種方式 正交旋轉(zhuǎn) Orthogonalrotation 和斜交旋轉(zhuǎn) Obliquerotation 03 轉(zhuǎn)軸后 每個(gè)公因子的特征值會(huì)改變 與轉(zhuǎn)軸前不一樣 但每個(gè)變量的共同性不會(huì)改變 9 04 決定因子與命名 轉(zhuǎn)軸后 要決定因子數(shù)量 選取較少因子層面 獲得較大的解釋量 主成分資料分析中 以較少成分解釋原始變量變異量的較大部分 成分變異量通常以 特征值 eigenvalues 表示 有時(shí)也稱 特性本質(zhì) characteristicroots 或 潛在本質(zhì) latentroots 10 FactorAnalysis 適用條件 KMO統(tǒng)計(jì)量 取值范圍在0 1之間Bartlett s球形檢驗(yàn) 11 PPT模板下載 0 5以下 非常不適合進(jìn)行因子分析 0 9以上 0 8以上 0 7以上 0 6以上 0 5以上 KMO統(tǒng)計(jì)量值 因素分析適合性 B 極適合進(jìn)行因子分析 適合進(jìn)行因子分析 尚可進(jìn)行因子分析 勉強(qiáng)可進(jìn)行因子分析 不適合進(jìn)行因子分析 12 Clickheretoaddyourtext 因子分析操作程序與報(bào)表解釋 Analyze DataReduction FactorAnalysis variables 13 01 02 03 04 Descriptive 描述性統(tǒng)計(jì)分析 1 Statistics 統(tǒng)計(jì)量 2 CorrelationMatrix 相關(guān)性矩陣 平均數(shù) 標(biāo)準(zhǔn)差 未轉(zhuǎn)軸之統(tǒng)計(jì)量 KMO和Bartlett s的球形檢驗(yàn) 在 FactorAnalysis Descriptives 對(duì)話框中 選取 Initialsolution KMOandBartlet stestofsphericity 二項(xiàng) 單擊 Continue 按鈕 01 02 Step2 03 04 14 報(bào)表解釋 15 Principalcomponents主成份分法Unweightedleastsquares未加權(quán)最小平方法Generalizedleastsquares一般化最小平方法Maximumlikehood最大概似法 Principal axisfactoring主軸法Alphafactoring因素抽取法Imagefactoring映象因素抽取法 相關(guān)矩陣 協(xié)方差距陣 未旋轉(zhuǎn)因子解 陡坡圖 特征值 因子個(gè)數(shù) 在 FactorAnalysis Extraction 對(duì)話窗口中 抽取因子方法選擇 Principalcomponents 選取 Correlationmatrix 并勾選 Unrotatedfactorsolution Screetplot 等項(xiàng) 在抽取因子時(shí)限定在特征值大于1者 在 Eigenvalueover 后面的空格內(nèi)輸入1 16 Step2 報(bào)表解釋 可見從第三個(gè)主成分開始特征根都非常低 該圖從另一個(gè)側(cè)面說明只需要提取3個(gè)主成分即可 成分矩陣 17 01 02 03 04 Step1 Step2 Step3 Clicktoaddtitle Rotation 旋轉(zhuǎn) 1 Method方法 2 Display顯示 3 MaximumIterationsforConvergence 最大變異法 轉(zhuǎn)軸后的解 因子負(fù)荷量 轉(zhuǎn)軸時(shí)執(zhí)行的迭代最后次數(shù) 后面內(nèi)定數(shù)字25 算法執(zhí)行轉(zhuǎn)軸時(shí) 執(zhí)行步驟的次數(shù)上限 在 FactorAnalysis Rotation 對(duì)話窗中 選取 Varimax Rotatedsolution 等項(xiàng) 研究者要勾選 Rotatedsolution 選項(xiàng) 才能顯示轉(zhuǎn)軸后的相關(guān)信息 18 01 02 03 04 Step1 Step2 Step3 Step4 Scores 分?jǐn)?shù) 1 Method方法 2 Displayfactorscorecoefficientmatrix顯示因素分?jǐn)?shù)系數(shù)矩陣 Options 選項(xiàng) 1 MissingValues遺漏值 2 CoefficientDisplayFormat 系數(shù)顯示格式 完全排除遺漏值 依據(jù)因子負(fù)荷量排序 絕對(duì)值舍棄之下限 在 FactorAnalysis Options 對(duì)話窗口中 勾選 Excludecaseslistwise Sortedbysize 等項(xiàng) 并勾選 Suppressabsolutevalueslessthan 選項(xiàng) 正式的論文研究中應(yīng)呈現(xiàn)題項(xiàng)完整的因子負(fù)荷量較為適宜 19 01 02 03 04 Step1 Step2 Step3 Step4 20 報(bào)表解釋 成分轉(zhuǎn)換矩陣 轉(zhuǎn)軸后的成分矩陣 因素負(fù)荷量 成分矩陣 成分轉(zhuǎn)換矩陣 Q8轉(zhuǎn)軸后的成分矩陣第一共同因素因子負(fù)荷量 0 798 謝謝聆聽ThankYou 21