《探索性因素分析》PPT课件.ppt
探索性因素分析,检验问卷的结构效度,现在我用一个测验来测自己某种心理特征，我会关心：,这个测验能测到我想测的东西吗？效度这种心理特征都包含了哪些心理成分？结构它在多大程度上能测到我想测的特质结构效度,探索性因素分析用来做什么？,它用于检验问卷的结构效度什么是结构效度？测验能够测到某种心理结构和特质的程度。结构是指用来解释行为的理论框架或心理特质“我们假设的结构是不是真的存在”？结构效度的验证,如何验证结构效度？,根据文献、前人的研究结果、实际经验建立假设的结构（定义特质、确定维度）根据假设的结构编制测验（编题目）选取适当的对象进行测试（预测）用统计方法考查测验是否能有效解释假设的理论结构（探索性因素分析）,文献整理中测验编制中测验施测中测验数据输入中项目分析（筛除不合格题目）中,如何操作探索性因素分析？,先来完整过一遍注意力放在操作步骤上,六、因素分析（探索性）,【analyze】【data reduction】【factor】,进入因素分析的界面,选择需要因素分析的变量（题目）,Descriptive描述按钮：initial solution方差累计百分比 KMO抽样适当性检验,Extraction萃取按钮：Principal components主成分分析法 Correlation matrix相关矩阵 Screet plot陡坡图 Eigenvalues over（选1）或number of factors（自己指定）,Rotation旋转按钮 因素独立：varimax最大变异法 因素相关：direct oblimin直接斜交旋转法 Display：报告旋转后的相关信息,Scores分数按钮 Save as variables作为变量保存因素 Regression 回归法计算因素分数,Options（选择）按钮 Sort by size按因素负荷量大小排列 Supress absolute values less than因素负荷量小于某值不显示,因素分析的结果报告,因素分析适当性指标,因素解释的变异量,陡阶碎石图,因素负荷表,因素分析做完了！,结果如何呢？,检验结构效度解读结果报告,哪些题目聚在同一个因素下了！,没有组织的,另起炉灶的,叛变的,投诚的,结果出来了，你对这个问卷的结构效度满意吗？,不满意？没关系！这不是最终结果。,重新“探索”问卷的理论假设结构,目标：找到与理论假设最接近的维度题目构成（结构）行动：修改参数，删减题目重新做因素分析,重复做一次因素分析,这次注意力放在参数和题目上,Descriptive描述按钮：initial solution方差累计百分比 KMO抽样适当性检验,KMO抽样适当性检验,KMO：是否适合做因素分析的指标0.5及以下，不能做因素分析0.6以上，勉强可以进行因素分析0.7以上，尚可进行因素分析0.8以上，适合进行因素分析如何提高KMO值？加大样本量：做因素分析时，题目数与预试样本量的比例为1:51:10（或n300）减少维度和题目（此法不推荐使用！）,Extraction萃取按钮：Principal components主成分分析法 Correlation matrix相关矩阵 Screet plot陡坡图 Eigenvalues over（选1）或number of factors（自己指定）,陡阶碎石图用于选取合适的因素数目此图5、6、7个都行,上次我们选的是Eigenvalues over：1 这次我们根据陡阶碎石图指定因素数目number of factors：,Rotation旋转按钮 因素独立：varimax最大变异法 因素相关：direct oblimin直接斜交旋转法 Display：报告旋转后的相关信息,不变哟！,Scores分数按钮 Save as variables作为变量保存因素 Regression 回归法计算因素分数,不变哟！,Options（选择）按钮 Sort by size按因素负荷量大小排列 Supress absolute values less than因素负荷量小于某值不显示,不变哟！,新的因素分析结果出来了！,看看是不是按我们所希望变化的，也看看有没有出现新问题,没变！,因素解释的变异量：减小了，不是我们希望的变化原因：因素数目越少，解释变异量必然减小,陡阶碎石图：没变！,因素负荷：变了，因素3、4、5下题目均匀且符合假设。但，1因素下的题项太多，2因素下的题58不属于这个因素下,再做一次因素分析,这次我们把因素数目选为6，同时删掉题58,KMO值降低了一点哦,为什么？,解释变异量升高了！,为什么？,因素负荷：各因素下题目数适当、题目聚合在假设的同一因素下，因素数目也与假设一致；但，有些题目在其他因素下有较高负荷，说明它语义可能有歧义，要删掉它们吗？,删掉“不干净”的题20、47、32、31、37、56、19、39，因素负荷现在是：,这个结果好吗？,这个结果留下的隐患,当你把现在剩下的题目作为正式问卷施测被试时，获得了新的数据，你再做一次因素分析，结果和你现在大不相同。最糟糕的情况是：因素数目对不上假设，题目也对不上假设的因素，因素负荷表还不干净为什么会变？因素分析结果会随取样而改变,如何减少因素分析结果的变化程度？,试测样本要有代表性预测样本量不能太小预测问卷要有足够多的题目删掉题目要谨慎，不能“数据驱动”，而应该“逻辑导向”,因素分析在何时停止,因素结构最接近假设的理论结构因素数目接近每个因素下的题目不少于3题题目聚合在假设的同一因素下KMO值适宜解释变异量较高（应不低于40%？）,探索因素分析验证的这个测验的结构效度（这是我能做到的最好结果）是：,下一步：因素命名,根据每个因素下面所有题目所代表的意义，结合所测的心理特质的操作性定义，给各个因素命名来代表这些因素。,补充：高阶因素分析,也称二阶因素分析，本质上是把因素当成题目来处理。方法：先计算各因素的均分，并把它作为一个变量来做因素分析作用：可与验证性因素配合,因素分析的难点,低水平的难点：KMO值低，解释变异量小中水平的难点：确定因素数目高水平的难点：各因素下题目不均衡，题目聚合在假设的同一个因素下,解决上述困难的方法,选择不同的因素数目理论假设根据陡坡碎石图根据因素负荷表：3个题目以上的因素才能保留,删减题目,“失去组织的”“另起炉灶但题目少于三个的”“叛变的”和“投诚的”语义上不和删减题目的方法删一个题做一次因素分析，如何因素负荷表变得更糟，表明不应该删此题,剩下的方法就是经验和创造力,做因素分析像雕刻玉器，除了基本的方法外，更需要想象力、耐心和观察力，甚至还要有点运气。,因素分析后为何后悔？,影响效度的因素：理论正确，操作定义明确题目语义清晰无歧义维度要精，每个维度下题目要多，同一维度下题目相关要高，不同维度下题目相关要低样本要有代表性，量足，各组人数尽量接近施测标准化,谢谢大家！,请提出宝贵意见！,因素负荷,
