99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話:13121318867

登錄
首頁精彩閱讀SPSS分析技術(shù):因子分析;調(diào)查問卷的效度分析
SPSS分析技術(shù):因子分析;調(diào)查問卷的效度分析
2017-03-02
收藏

SPSS分析技術(shù):因子分析;調(diào)查問卷的效度分析

在以多個(gè)變量測量事物性質(zhì)的過程中,經(jīng)常出現(xiàn)多個(gè)變量交叉與重疊的情況。例如,在大學(xué)課程情況的問卷調(diào)查中,我們可以設(shè)置幾個(gè)不同的問題來測試教師的課件制作情況,這幾個(gè)不同的問題都指向課件的制作,它們最后的得分情況也將表現(xiàn)出強(qiáng)烈的相關(guān)關(guān)系。再比如不同的運(yùn)動(dòng)項(xiàng)目的成績,看似沒有關(guān)系,但是其實(shí)它們用到的核心力量是會(huì)有重疊的,鉛球和鐵餅都會(huì)用手部肌肉等。

上面這些例子都有一個(gè)特點(diǎn),就是問卷調(diào)查的不同題目得分之間,體育運(yùn)動(dòng)的不同項(xiàng)目成績之間會(huì)有交叉和重疊的地方,可以通過因子分析,將這些交叉和重疊的信息提取出來,形成新的變量,稱為因子,用這些因子來反映不同項(xiàng)目,不同題目,不同變量之間的內(nèi)部關(guān)系。因子分析可以看作是主成分分析的推廣。因子分析通過從眾多相關(guān)聯(lián)的變量中抽取少量公因子,起到了減少變量數(shù)量的作用,所以和主成分分析一樣,也是一種降維方法。

因子分析是問卷等數(shù)據(jù)收集手段的結(jié)構(gòu)效度分析的主要方法,所謂結(jié)構(gòu)效度是指測量工具對測量對象的測量能力。問卷的效度是指問卷能夠測量出某種理論特質(zhì)或概念的程度,也就是實(shí)際的問卷測量得分能夠解釋理論特質(zhì)或概念的程度。從其實(shí)際應(yīng)用的視角看,因子分析產(chǎn)生的結(jié)果是歸納出測量變量對潛在屬性的描述,從而實(shí)現(xiàn)了對測量性質(zhì)準(zhǔn)確性和測量結(jié)果正確性的描述,因此,因子分析能夠檢驗(yàn)問卷效度。

因子分析和主成分分析

主成分分析只是因子分析的一個(gè)提取方法,因子分析除了可以用主成分分析提取公因子以外,還能使用其它的方法,SPSS提供的因子分析方法有:

因子分析的數(shù)學(xué)模型

現(xiàn)在有k個(gè)樣本,每個(gè)樣本由n個(gè)變量來描述,這n個(gè)變量之間有較強(qiáng)的關(guān)聯(lián)性。如果每個(gè)變量都可以用m個(gè)(公因子)解釋,則可以表示為:

因子分析模型需要滿足以下幾個(gè)條件

1、m小于n,說明因子分析能夠起到降維的作用;

2、公因子的均值為0;

3、公因子與特殊因子之間不相關(guān);

4、公因子之間互不相關(guān);

5、特殊因子之間也不相關(guān);

因子分析中抽取的公因子,需要觀察它們在哪些變量上的載荷較大,并據(jù)此說明該公因子的實(shí)際含義(公因子命名)。然而,得到初始公因子模型后,因子載荷矩陣往往比較復(fù)雜,不利于因子的解釋。這時(shí)必須通過因子旋轉(zhuǎn),使得載荷矩陣中的各元素?cái)?shù)值向0和1兩個(gè)極端分化,同時(shí)保持同一行中各元素的公因子方差不變。這樣,通過因子旋轉(zhuǎn),各變量在因子上的載荷更加明顯,有利于對各公共因子給出更加明確合理的解釋。旋轉(zhuǎn)的方法有正交旋轉(zhuǎn)法、斜交旋轉(zhuǎn)法,最大方差法等,比較常用的是最大方差法。

與主成分分析一樣,在抽取公因子以后,還可以用回歸估計(jì)等方法求出因子得分的數(shù)學(xué)模型,將各公因子表示成變量的線性形式,并進(jìn)一步計(jì)算出因子得分,從而解決公因子不可測度的問題,實(shí)現(xiàn)對樣本進(jìn)行綜合評價(jià)的目的。因子得分函數(shù)為:

因子分析中的旋轉(zhuǎn)

因子分析中,理想的情況是某一主因子僅在某幾個(gè)觀測變量上有較強(qiáng)的載荷,而在其它觀測變量上的載荷值很低,這樣就可以直接使用這幾個(gè)觀測變量的綜合語義來描述該主因子。然而,在某些情況下,主因子在各個(gè)觀測變量上的載荷是均衡的,很難直接從觀測變量中抽取出主因子的語義。在這種情況下,為了使觀測變量對主因子的描述更為集中,可以通過坐標(biāo)軸的空間變換來改變主因子,使得每個(gè)主因子都可以對應(yīng)各自的一組描述變量,這種變換使幾何空間上的數(shù)據(jù)點(diǎn)更加貼近新的坐標(biāo)軸,從而使觀測變量因不同的主因子而被區(qū)分開。這就是旋轉(zhuǎn)變換的概念。

對于因子分析中的載荷矩陣,在經(jīng)過旋轉(zhuǎn)變換后,如果主因子之間仍保持不相關(guān)的關(guān)系,則稱之為正交變換;如果允許主因子之間存在一定的相關(guān)性,則稱之為斜交變換。

范例分析

為提高公司員工的工作積極性,某公司人事部對公司的員工做了一次工作積極性影響因素的問卷調(diào)查,問卷包括40個(gè)問題。

總共回收了752份問卷,對這些數(shù)據(jù)進(jìn)行因子分析,分析影響員工積極性的因素有哪些,并分析該問卷的結(jié)構(gòu)效度的優(yōu)劣。


分析步驟

1、選擇菜單【分析】-【降維】-【因子分析】命令,打開因子分析對話框,進(jìn)行下圖操作;打開【描述】選項(xiàng),將原始分析結(jié)果,KMO和Bartlett球形度檢驗(yàn)選中。

2、點(diǎn)擊【抽取】,打開下圖的對話框,進(jìn)行如下選擇;

3、打開【旋轉(zhuǎn)】,【得分】和【選項(xiàng)】按鈕,打開對話框,進(jìn)行如下選擇;點(diǎn)擊【確定】,輸出結(jié)果。

結(jié)果解讀

1、KMO和Bartlette的檢驗(yàn)

由于KMO值為0.944,表示原始變量之間相關(guān)性很強(qiáng),非常適合做因子分析;Bartlett檢驗(yàn)的 Sig值為0.000,同樣說明數(shù)據(jù)適合做因子分析。

2、總方差解釋

只有前8個(gè)公因子的特征值大于1,所以系統(tǒng)默認(rèn)提取前8個(gè)新變量為公因子。從表格中還可以知道,前8個(gè)公因子對總方差的解釋量為65.345%,低于精確解80%以上的總方差解釋量要求,但是在社科領(lǐng)域,60%以上的解釋量,還是可以作為參考信息進(jìn)行下一步解釋的。

3、碎石圖

從碎石圖也可以看出,從8號(hào)公因子以后,斜率就非常的平緩了。

4、成分矩陣

所有成分矩陣都是按照因子系數(shù)大小排列的,并只顯示絕對值大于0.35的系數(shù)。從表格中可知,第一個(gè)因子在40個(gè)變量中的38個(gè)都有載荷,這樣不便于對提取的因子進(jìn)行解釋,因此,通過因子旋轉(zhuǎn),使因子載荷兩極化。

5、旋轉(zhuǎn)后因子載荷矩陣

坐標(biāo)旋轉(zhuǎn)以后,表格就變成了上面的形式,這樣不同問題的因子歸屬就明確了,這時(shí),就可以根據(jù)因子在哪些變量上有較高的載荷而對因子進(jìn)行命名。例如,因子1反映的是工作伙伴和團(tuán)隊(duì)成員的合作,因此可以命名為團(tuán)隊(duì)合作;因子2反映上級經(jīng)理管理水平。

從上表還可以看出,該問卷通過因子旋轉(zhuǎn)共獲得8個(gè)因子。這些因子中,最少的包含3個(gè)問題,最多的包含6個(gè)問題,且在這些問題上的因子載荷介于0.403到0.830之間,都大于0.35的最小可接受值,這說明該問卷的結(jié)構(gòu)效度很高。數(shù)據(jù)分析師培訓(xùn)


數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼,搜微信號(hào):CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1:配置參數(shù) // 參數(shù)2:回調(diào),回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對象,之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須,不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺(tái)檢測極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式,包括:float,popup width: "280px", https: true // 更多配置參數(shù)說明請參見:http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'!'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'!'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }