spss在因子分析中的應(yīng)用

SPSSSPSS項(xiàng)目分析，目的是找出未達(dá)顯著水準(zhǔn)的題項(xiàng)并把它刪除。它是通過將獲得的原始數(shù)據(jù)求出量表中題項(xiàng)的臨界比率值——CR量表的制作是要經(jīng)過專家的設(shè)計(jì)與，因此，題項(xiàng)一般均具有鑒別度，能夠鑒別不同受試者的反應(yīng)程度。故往往在量表處理中可以省去這一步。量，轉(zhuǎn)化成少數(shù)有概念化意義而彼此獨(dú)性大的因素，從而分析多個(gè)因素0.90.80.70.6總變異量的部份會較少。nn（2）Fm（3）m（5）為因素負(fù)荷量。因素分析的理想情況，在于個(gè)別因素負(fù)荷量不是很大就是很小，這樣每----橫列中所有因素負(fù)荷量的平方和），負(fù)荷量的平方總和（1，沒有唯一因素）。--（一直行所有因素負(fù)荷量的平方和）0（在主成份分析中，有幾個(gè)題項(xiàng)，便有幾個(gè)成份，因而特征值的總和剛好等于變量的總數(shù)）SPSS【例6-9】 現(xiàn)要對學(xué)習(xí)者對教育技術(shù)資源的了解和使用情況進(jìn)行了解，設(shè)計(jì)一個(gè)里量表，如表6-27所示。將該量 給20人回答，假設(shè)回收后的原始數(shù)據(jù)如表6-28所示定義變量“A1”、“A2”、“A3”、“A5”、“A6”、“A7”、“A8”“A9”、“A10”，并按照 輸入數(shù)據(jù)，如圖6-33所示選擇“yzeDataReductionFactor…命令，彈出yze”框，將變量“A1”到“A10”選入“Variables”框中,如圖6-34單擊圖6- 框中的“Descriptives…”按鈕，彈出yze:Descriptives”（因素分析：描述性統(tǒng)計(jì)量）框，如圖6-35所①“Statistics”（統(tǒng)計(jì)量）“Univariatedescriptives”（單變量描述性統(tǒng)計(jì)量）：顯示每一題項(xiàng)“Initialsolution”（未轉(zhuǎn)軸之統(tǒng)計(jì)量）：顯示因素分析未轉(zhuǎn)軸前之②“CorrelationMatric”（相關(guān)矩陣）“Coefficients”（系數(shù)）：“Significancelevels”（顯著水準(zhǔn)）：求出前述相關(guān)矩陣地顯著水“Determinant”（行列式）：“KMOandBartlett’stestofsphericity”（KMOBartlett形檢定）：KMOBartlett’s“Inverse”（倒數(shù)模式）：“Anti-image”（反映像）：在本例中，選擇“Initialsolution”與“KMOandBartlett’stestof單擊圖6-34框中的“Extraction…”按鈕，彈出“Factoryze:Extraction”（因素分析：抽取）框，如圖6-36所示。①“Method”（方法）“Principalcomponents”SPSS“Unweightedleastsquares”法：未最小平方法“Generalizedleastsquare”“umlikelihood”法：最大概似法“Principal-axisfactoring”“Alphafactoring”法：α因素“Imagefactoring”法：映像因素②“yze”（分析）選項(xiàng)“Correlationmatrix”（相關(guān)矩陣）：“Covariancematrix”（共變異數(shù)矩陣）：③“Disy”（顯示）選項(xiàng)“Unrotatedfactorsolution”（未旋轉(zhuǎn)因子解）：顯示未轉(zhuǎn)軸時(shí)因素“Screeplot”（陡坡圖）：④“Extract”（抽?。癊igenvaluesover”（特征值）：1，表示因素抽10“Numberoffactors”（因子個(gè)數(shù)）：選取此項(xiàng)時(shí)，后面的空格內(nèi)輸入在本例中，設(shè)置因素抽取方法為“Principalcomponents”，選取“Correlationmatrix”、“Unrotatedfactorsolution”、“Principal單擊圖6-34框中的“Rotation…”按鈕，彈出“Factoryze:Rotation”（因素分析：旋轉(zhuǎn)）框，如圖6-37所示。①“Method”（方法）“None”：“Varimax”：C“Quartimax”：“Equamax”：“DirectOblimin”：“Promax”：Promax②“Disy”（顯示）選項(xiàng)框“Rotatedsolution”（轉(zhuǎn)軸后的解）：顯示轉(zhuǎn)軸后的相關(guān)信息，正交“Loadingplots”（因子負(fù)荷量）：③“umI tionsforConvergence”：轉(zhuǎn)軸時(shí)之行的疊代最多次25，表示算法之行轉(zhuǎn)軸時(shí)，執(zhí)行步驟的次數(shù)上限。在本例中，選擇“Varimax”、“Rotatedsolution”二項(xiàng)。研究者要選擇“Rotatedsolution”選項(xiàng)，才能顯示轉(zhuǎn)軸后的相關(guān)信息。單擊“Continue”單擊圖6-34框中的“Scores…”按鈕，彈出“Factoryze:FactorScores”（因素分析：因素分?jǐn)?shù)）框，如圖6-38所示。①“Saveasvariable”（因素變量）勾選時(shí)可將新建立的因素分?jǐn)?shù)至數(shù)據(jù)文件中，并產(chǎn)生新的變量名“Regression”：“Bartlett”：Bartlette“Anderson-Robin”：Anderson-Robin②“Disyfactorcoefficientmat在本例中，取默認(rèn)值。單擊“Continue”單擊圖6-34框中的“Options…”按鈕，彈出“Factoryze:Options”（因素分析：選項(xiàng)）框，如圖6-39所示。①“MissingValues”（遺漏值）“Excludecaseslistwise”（完全排除遺漏值）：觀察值在所有變量“Excludecasespairwise”（成對方式排除）：在成對相關(guān)分析中出“Recewithmean”（用平均數(shù)置換）：以變量平均值取代遺漏值②“CoefficientDisyFormat”（系數(shù)顯示格式）選項(xiàng)框：因素負(fù)荷“Sortedbysize”（依據(jù)因素負(fù)荷量排序）：根據(jù)每一因素層面的因“Suppressabsolutevalueslessthan”（絕對值舍棄的下限）：因0.1。在本例中，選擇“Excludecaseslistwise”、“Sortedbysize”二項(xiàng)，并勾選“Suppressabsolutevalueslessthan”，其后空格內(nèi)的數(shù)字不0.1。如果研究者要呈現(xiàn)所有因素負(fù)荷量，就不用選取“Suppressabsolutevalueslessthan”選項(xiàng)。在例題中為了讓研究者明白適宜。單擊“Continue”按鈕確定。設(shè)置完所有的選項(xiàng)后，單擊“OK”KMOBartlett’6-40KMOBartlett’KMOKaiser-Meyer-OlkinKMOKaiser（1974）觀點(diǎn)，KMO0.5KMO0.695，表Bartlett’s234.438，45，達(dá)到顯6-416-426-431010。解釋變異量6.358÷1063.579％1.547，再是第三個(gè)4.389、3.137、1.411，43.88