第五节 利用SPSS 进行量表分析 在第五章调查研究中，我们介绍了量表的类型、编制的步骤及其应用，在本节将介绍利用SPSS软件对量表进行处理分析。 在获取原始数据后，我们利用SPSS 对量表可以作出三种分析，即项目分析、因素分析和信度分析。 项目分析，目的是找出未达显著水准的题项并把它删除。它是通过将获得的原始数据求出量表中题项的临界比率值——CR 值来作出判断。通常，量表的制作是要经过专家的设计与审查，因此，题项一般均具有鉴别度，能够鉴别不同受试者的反应程度。故往往在量表处理中可以省去这一步。 因素分析，目的是在多变量系统中，把多个很难解释，而彼此有关的变量，转化成少数有概念化意义而彼此独立性大的因素，从而分析多个因素的关系。在具体应用时，大多数采用“主成份因素分析”法，它是因素分析中最常使用的方法。 信度分析，目的是对量表的可靠性与有效性进行检验。如果 一个量表的信度愈 高 ，代 表量表愈 稳 定 。也 就 表示 受试者在不同时间 测 量得分的一致 性，因而又 称 “稳 定 系数”。根 据不同专家的观 点 ，量表的信度系数如果 在0.9 以上 ，表示 量表的信度甚 佳 。但 是对于 可接 受的最小 信度系数值是多少，许 多专家的看 法也 不一致 ，有些 专家定 为0.8 以上 ，也 有的专家定 位0.7 以上 。通常认 为 ，如果 研究者编制的量表的信度过低 ，如在0.6 以下 ，应以重 新 编制较 为适 宜 。 在本节中，主要介绍利用SPSS 软件对量表进行因素分析。 一、因素分析基 本原理 因素分析是通过求出量表的“结 构 效度”来对量表中因素关系作出判断。在多变量关系中，变量间 线 性组 合 对表现 或 解释每 个层 面 变异 数非 常有用，主成份分析主要目的即在此。变量的第一个线 性组 合 可以解释最大的变异 量，排 除前 述 层 次 ，第二 个线 性组 合 可以解释次 大的变异 量，最后一个成份所 能解释总 变异 量的部 份会 较 少。 主成份数据分析中，以较 少成份解释原始变量变异 量较 大部 份。成份变异 量通常用“特 征 值”表示 ，有时也 称 “特 性本质 ”或 “潜 在本质 ”。因素分析是一种潜 在结 构 分析法，其模 式 理论 中，假定 每 个指 针 （ 外 在变量或 称 题项） 均由 两 部 分所 构 成，一为 “共 同因素”、一为 “唯 一因素”。共 同因素的数...
