量表的統(tǒng)計分析

1、量表的統(tǒng)分析1、富我仍用多重指檬來測量一侗情念或潛在燮IIB寺，我仍可用SPSS中的Analyze邀罩內(nèi)的Scale中的Reliability Analysis來估言十潛在燮I輿冏I冏的 相程度。之所以用Reliability Analysis是因舄多fiIM同一潛在燮I之 測量就好像是M-fiI做重袒測量。我仍要知道的是逼些冏I冏的內(nèi)在一致性舄何。內(nèi)在一致性信度所心的 就是鮑成量表之冏I冏的同性舄何。而內(nèi)在一致性最常用的統(tǒng)言十是用 Cronbachsa保敷來表示(亦即 SPSS 之 Reliability Analysis 內(nèi)之 Alpha Model)。言十算a保敷常見的公式是根披平均冏I

2、冏相保敷(average inter-item correlation ) 的，其公式舄a =上、，其中K是冏I的敷目。1 + (k - 1)r此公式所表建的理念是a舄量表的共燮巽量可蜀因於同一來源或因素的比 例。換言之，逼些冏I之共燮巽有一定的比例是來自受者M(jìn)一潛在燮I 的不同反雁，而不是因舄冏I有不同的意莪或言殳言十的不好。此公式亦示， 如果冏I敷目越多且有相富程度之內(nèi)在一致性的言舌，則a值畬越高。但如果 冏I冏之內(nèi)在一致性不高，則a值畬不高。依照以上公式在SPSS所得到的Cronbachs alpha也稍舄standardized itemalpha。如果Cronbachs alpha的

3、言十算是用平均冏I冏的共燮量( average社畬研究方法秉寅老弗inter-item covariance )和冏項之平均燮巽量之比值()來替代上述公式var之廠的言舌，則得到的a值就是SPSS所得到之Alpha，此保敷事上是封真 alpha的估言十值，其估言十是信度真值之下限。通常a值至少JB在0.7以上才將 冏II加成一量表的分敷。2、至此所的之情成量表的一鮑冏I是在測量同一侗潛在燮1(或此潛在燮I 舄罩一面向 ,uni-dimensional )。 如果逼些冏I之共同燮巽是源自多侗潛在燮 1(或舄多面向，multi-dimensional )日寺,則我仍就要用WS因素分析(factor

4、 analysis )的統(tǒng)言十方法來探索。因素分析可分成探索性(exploratory )和 性(confirmatory )雨大。在此，堇室寸探索性因素分析做介藉。而廢者常見 的統(tǒng)言十方法如LISRELo3、我仍可以用以下的因果圈形來表示多侗潛在燮I輿一鮑冏I冏的保：4、任一因素到冏I冏路彳塹的檬舉化保敷在因素分析中是W之S因素荷(factorloading ),就代表每一冏I和其速之因素冏的相程度。5、因素分析的目的是將隙測量到之冏II化余勺成少敷潛在燮11（共同因素）來 解SI彼此冏的相。邀取共同因素之遏程是先就冏I冏共燮巽量 （或共同相）中邀出第一侗最能解釋此共燮的因素，然廢再看是否有

5、其他 第二或第三侗因素能狗解S其他冏I冏仍然有的共燮部份。如下圈所示。因素分析的程式畬先去以一侗共同因素解S圈中代表三侗燮I共同燮巽的 藍(lán)色部份。富藍(lán)色部份被共同因素解S廢，剩下黃色代表其他燮I冏共燮的 部份畬用其他的共同因素來解S。6、第一侗因素邀出來廢，是否遢有第二侗因素要被邀出來，必根披所使用之 因素分析方法而定。因舄冏I冏的部份共燮可能是照法解S或不太重要的。因此，到底要邀取畿侗因素是一重要的題。通常有雨侗策略：一舄用比段 筒罩的因素結(jié)情，亦即段少敷目的因素，來解S冏I冏的共燮；另一舄鑫量 解S大部分的共燮，此即意逼用比段多的因素。因素分析已經(jīng)畿展出畿 椒不同的檬舉。最常見的檬舉之一是

6、用Kaiser的特徵值（ eigenvalue rule基本上此檬舉的判新基磴是：如果最差的因素比一侗原來冏I的平均 解釋量能解釋更多的燮巽，那就保留此因素。反之，如果一侗因素或更多因 素比一彳固原來冏II能解釋的更少，那保留逼些因素瑩沒有作用。因此，此方 法是在用一鮑比原來冏I敷目遢少的因素來解釋共燮之能力舄基舉。利用此 檬舉的因素分析方法主要是主成份(principal components )分析方法。此法是將原來冏I做性鮑合(linear combinations )廢，而第一固性鮑合 所形成之成份(component ) ffiE能解釋原來最大比例之冏I冏的共燮量。此 compone

7、nt之燮巽量即舄eigenvalue的概念。我仍邀取因素之檬舉通常是邀 成分(或因素)之eigenvalue大於1 ,因舄原來冏I的eigenvalue就是定莪舄 1。7、主成份分析法(PCA)所分析的資料是所有察到之燮1(冏I)的燮巽量。 因此，所得到之成份舄察到燮I的性鮑合。而另外有一wa因素分析 法(factor analysis ； FA )的，則是只用察到之燮I冏共燮量來分析，其假 定是得到的因素舄未察到之燮I的性鮑合。8、不是用哪椒因素分析方法，初步得到的結(jié)果往往照法提供人容易解釋的 因素。因此，我仍可邀揮旋ffl( rotation )的方法(您可想像因素如同舄在多 空冏之翰，而

8、冏I具原在此空冏輿各翰冏依照S近而散怖之資料黑占) 來強(qiáng)化冏I輿因素之a(chǎn)，使得因素的意莪燮得比段容易被人理解。通常旋廢，原先和冏I冏比段大之factor loadings畬燮的更大，而比段小的畬更 小。常見之旋方法有,-a直角旋,另一舄斜交旋。前者是假定因素 分析廢所得到的因素冏是相互猾立照相存在的。而廢者則允菁午因素冏的相9、旋廢的因素分析，可利用factor loadings做-重，將鄢I分敷依性 鮑合成因素分敷(factor scores。也就是每一侗受者依其在一鮑冏I上之 分敷，可換成此鮑冏I在因素分析廢所得到之每一侗因素的分敷。逼些因 素可逵一步視舄是自燮1或映燮I。10、SPSS 的因素