📝 浓缩因子和结构效度分析 EFA可以将多个题目浓缩成少数几个因子,同时通过结构效度分析来检验题目与因子的对应关系是否合理。📏 指标权重计算 利用EFA的计算原理,可以计算各个指标的权重,这对于问卷设计和数据分析非常重要。在设计问卷时,建议每个变量用4-7个题目表示,并在分析后删除不合理的题目,确保每个变量依然对...
探索性因子分析(EFA) 🔍 使用SPSS进行EFA,目的是从这18个变量中筛选出最具代表性的指标。经过分析,我们最终选出了16个指标变量。KMO值为0.723,Bartlett的球形检验显著性为0.000,这说明我们的数据非常适合进行因子分析。通过EFA,我们确定了5个公共因子,分别是:培训实施、学员筛选、主体协同、后续支持和课程开发。 验...
按照分析前有无理论基础,因素分析具体可以分为探索性因素分析(Exploratory Factor Analysis, EFA)和验证性因素分析(Confirmatory factor analysis, CFA)两大类。 探索性因素分析:一项用来找出多个观测变量的本质结构,并进行降维处理的技术。用于探索心理结构的维度构成 验证性因素分析:用来检验因素与相对应的测度项之间的关...
在SPSS中进行共同方法偏差检验,最常用的是Harman单因子法。以下是具体的操作和解读方法: 1. Harman单因子法的原理是假设如果共同方法偏差存在,那么所有通过相同方法收集的变量将会负载于一个共同因子上。通过探索性因子分析(Exploratory Factor Analysis, EFA),观察是否有一个因子能够解释大部分的变异。 2. 操作步骤: ...
项目分析后(确定了测量题项后),为检验量表的建构效度,应该进行因子分析。所谓建构效度指态度量表能测量理论的概念或特质的程度。因子分析目的在于找出量表潜在的结构,减少题项的数目,使之变为一组较少而彼此相关较大的变量,此种因素分析是一种探索性因子分析(EFA,Exploratory factor analysis)。 当问卷中的测量量表为...
因子分析主要分为两种类型:探索性因子分析(EFA)和确定性因子分析(CFA)。在SPSS中,我们通常进行的是探索性因子分析,它可以帮助我们初步发现数据中的潜在因子。🧹 因子分析的过程 因子分析的过程就像是在整理房间,将相关性显著的因子合并,简化内容。在SPSS中,我们可以查看每个因子的承载值,这些值表示变量的重要性。通...
探索性因子分析,顾名思义,是一种探索性的方法。当我们不确定哪些题项属于同一个维度时,EFA就能派上用场了。它可以帮助我们将所有题项归类到各自的维度中,并与我们预先设定的维度进行对比。📝操作步骤: 1️⃣ 在SPSS中,选择“分析”-“降维”-“因子分析”。将所有题项放入“变量”栏中。
因子分析是所有常见、常用统计学分析中,相对于描述性分析、信效度分析、差异性分析、相关性分析、回归分析比较难上手也不太容易理解。 本文从SPSS实际操作角度,主要分享探索性因子分析(exploratory factor analysis,EFA)。 另,验证性因子分析(confirmatory factor analysis,CFA)需要使用AMOS进行操作,不在本文讨论。 使用因...
结构效度是指题项衡量所测变量的能力,实证分析一般着重分析结构效度,可以通过进行探索性因素分析(Exploratory factor analysis,EFA)检验来证明量表的结构有效性。 分析步骤如下:分析---降维---因子---将左边所有变量选到右边变量框中---描述---选择初始解和KMO---...
如何用 SPSS 进行验证性因子分析？SPSS做的是探索性因子分析EFA，它是从数据里面挖掘内部结构。而验证性...