第四章 因素分析.ppt

第四章 因素分析本章重点 效度的根本概念 因素分析的根本原理 因素分析的操作程序 因素分析的报表解释效度的根本概念4.1 效度的根本概念 所谓效度，是指一个测验可以测到该测验所欲测的研究者所设计的心理或行为特质的程度，即测验或量表所能正确测量的特质程度 效度测验或量表可以正确得到想要得到的信息 例子：假设根据某项特征可以区分人、物或事件，那么说某个测量该特征的测量工具是有效的，就是指它的测量结果能把具有不同特征的人、物或事件进展有效的区分 效度指的是“测验结果的正确性，而不是测验工具本身效度并非全有或全无，只是程度上上下的不同效度具有目的导向，每种测验或量表均有其特殊目的与功能，不具普遍性，不能适用于所有不同的群体或所有的社会科学领域效度无法实际测量，只能从现有信息作逻辑推断或从实证资料中做统计验证 效 度 建构效度 所谓建构效度，指测验可以测量出理论的特质或概念的程度，即实际的测验分数可以解释某一心理特质的多少 如我们根据理论的假设构造，编制一份量表或测验，经实际测试结果，受试者所得的实际分数，经统计检验结果能有效解释受试者的心理特质，那么此测验或量表具有良好的建构效度 建构效度根据实际所得的资料来检验理论的正确性，因此是一种相当严谨的效度检验方法王保进，2002，其检验步骤包括： 1. 根据文献讨论前人研究结果和实际经历等建立假设性理论建构； 2. 根据建构的假设性理论编制适当的测试工具； 3. 选取适当的受试者进展施测； 4. 以统计检验的实证方法考察此份测验工具是否能有效解释所欲建构的心理特质。

4.1 效度的根本概念 因素分析的根本原理 因素分析的目的在于因素构造的简单化，即以最少的层面来表示原来的数据构造 因素分析是一个从大到小，从分散到集中的过程 4.2 因素分析的根本原理探究性因素分析法 将杂乱无章的变量重新排列组合，理出头绪，此种探究性功能有助于建立新的假设、开展新的理论，这种因素分析即称为探究性因素分析 一般在预试问卷中所要构造的效度大多为探究性因素分析，从随机取样的受试者所要填答的资料，进展统计分析，来构造因素层面，而以最少的层面，解释全部最大的总变异量 验证性因素分析法 假定研究者的理论构造已经非常明晰且非常完善，就可以利用因素分析来检验这些理论和假设，此类因素分析即为验证性因素分析探究性因素分析重在探究建立验证性因素分析重在检验4.2 因素分析的根本原理 1. 计算变量间相关矩阵或协方差矩阵 假如一个变量与其他变量间相关很低，在下一步分析步骤中可以考虑剔除此变量，但实际排除与否，还要考虑变量的“共同性(communality)与“因素负荷量(factor loadings) 共同性判断原始变量与数个共同因素的关系程度 因素负荷量判断原始变量与单个共同因素的关系程度。

特征值每个变量在某一共同因素的因素负荷量的平方和，最大的共同因素将被抽取 为方便说明，以三个变量抽取二个共同因素为例，转换成因素矩阵，如下表： 因素分析的步骤变量F1（共同因素一）F2（共同因素二）共同性X1a11a12a112+a122X2a21a22a212+a222X3a31a32a312+a322特征值a112+a212+a312a122+a222+a322因素负荷量4.2 因素分析的根本原理 2. 估计因素负荷量 最常用的因素抽取的方法主成分分析法principal components analysis)，计算所有变量共同解释的变异量，适用于单纯简化大量变量为较少数的成分 3. 转轴法rotation 最常用的转轴方法最大变异法Varimax，通常在最初的因素抽取后，对因素无法作有效解释，转轴的目的是改变题项在各因素的负荷量大小，转轴时根据题项与因素构造关系的亲密程度，调整各因素负荷量的大小，转轴后，大部分的题项在每个共同因素中有一个差异较大的因素负荷量 4. 决定因素与命名 转轴后，要决定因素数目，选取较少因素层面，获得较大的解释量在因素命名与结果解释上，必要时可将因素计算后分数储存，作为其它程序分析的输入变量。

因素分析的步骤4.2 因素分析的根本原理 因素分析的操作程序步骤一：AnalyzeData ReductionFactor因素分析按键4.3 因素分析的操作程序步骤二： 出现“Factor Analysis对话框，将左边方框中鉴别度到达显著性的题项选入右边“Variables：下的空框中选择因素分析的原始变量，进入因素分析单击此按键进入步骤三，后面的按键如此类推4.3 因素分析的操作程序步骤三： 点击Descriptives,出现“Factor Analysis：Desciptives对话框Initial solution显示因素分析未转轴前的共同性、特征值、方差百分比和累积百分比显示KMO抽样适当性参数与Bartletts的球形检验4.3 因素分析的操作程序步骤四： 点击Extraction,出现“Factor Analysis： Extraction对话框因素抽取方法主成分分析法以相关矩阵抽取因素显示未转轴时的因素负荷量、特征值及共同性因素抽取时，只抽取特征值大于1者4.3 因素分析的操作程序步骤五： 点击Rotation,出现“Factor Analysis：Rotation对话框。

转轴采用最大变异法显示因素组型矩阵及因素转换矩阵步骤六： 点击Scores,出现“Factor Analysis：Scores对话框使用回归法计算因素分数4.3 因素分析的操作程序步骤七： 点击Options,出现“Factor Analysis：Options对话框变量没有缺省值才加以分析每一因素层面根据因素负荷量大小排序4.3 因素分析的操作程序因素分析的报表解释4.4 因素分析的报表解释 以人与组织契合量表中，公司对员工的支持以及员工对公司支持这两个层面为例 KMO是取样适当性度量，当KMO值越大，表示变量间的共同因素越多，越合适进展因素分析，根据Kaiser1974的观点，假如KMO值小于0.5时，较不宜进展因素分析，此处的KMO值为0.820，表示合适进展因素分析 此外，从Bartlett球形检验的2近似卡方分布值为978.295自由度为66到达显著，代表变量群的相关矩阵间有共同因素存在，合适进展因素分析假如sig值小于0.05，那么数据呈球形分布) 以特征值=1为抽取因素标准，上表共抽取三个因素，其中总和栏为特征值方差的%解释变异量为特征值除以题项数，如第一个特征值的解释变异量为：4.33012=36.084%；第二个特征值的解释变异量为1.68212=14.019%。

三个共同因素的累积解释变异量：为59.583%解释总变异量4.4 因素分析的报表解释转轴后的成分矩阵 (a)萃取方法：主成分分析旋转方法：含Kaiser正态化的Varimax法a 转轴收敛于5个迭代删除情况如下：公司对员工的支持：6员工对公司的支持：1、24.4 因素分析的报表解释删除题项后的因素分析：删除三个题项后，KMO值较未删除时略微变大大，合适进展因素分析抽取两个共同变量，累积解释变异量为：60.349%4.4 因素分析的报表解释删除题项后的量表包含了2个成分，分别为公司对员工的支持和员工对公司的支持，各维度至少包含3个题项以上4.4 因素分析的报表解释因素分析删除题项原那么1. 当进进展探究性因素分析，假设设共同因素所包含的题项题项数只有2题题或者1题题时时，可考虑虑将此层层面及题项删题项删除；2. 当进进展验证验证性因素分析，必须须保证证每个层层面所包含的题项题项数至少包含3个题项题项3. 当某题项题项明显显偏离同一层层面其他题项时题项时，那么需通过试删过试删的方法考虑虑是否删删除该题项该题项4.4 因素分析的报表解释Thanks for listening！。