02spss应用调查问卷质量分析

SPSS在教育研究中的应用赵茜（温红博）二.调查问卷的质量分析主要内容调查问卷的题目质量分析调查问卷的效度分析调查问卷的信度分析1.调查问卷的题目质量分析计算题目的区分度：相关法题目鉴别指数1.调查问卷的题目质量分析1.1相关法题目鉴别指数1.1.1计算调查问卷总得分：1.打开计算变量的对话框1.调查问卷的题目质量分析2.设置变量名和变量标签1.调查问卷的题目质量分析3.选择函数与计算变量，产生新变量1.调查问卷的题目质量分析3.选择函数与计算变量，产生新变量1.调查问卷的题目质量分析1.1.2计算题目与调查问卷得分的相关：1.打开相关分析的对话框1.调查问卷的题目质量分析2.选择所有的问卷题目与得分，点OK1.调查问卷的题目质量分析3.结果整理与分析：1我经常和父母交流对一些事物的看法.4802和父母交谈时，不管谁对谁错，我都能耐心地把他们的话听完.6443和父母观点有分歧时，我会和父母认真谈自己的想法，有时也会参考父母的意见.5934我会站在父母的立场上想问题，知道他们也不容易.5915我经常主动与父母分享我知道的许多事情.6086我很少把父母的话放在心上.4137我和父母经常由于意见不一致而把关系搞僵.4218我和父母在很多事情上想法不一样.2549我通常可以和父母长时间轻松地聊天.58210父母和我说话时，我心不在焉.50911我能妥善地处理与父母的冲突.54312父母批评我时，虽然我心里不好受，但我知道他们是为我好.54613在我心情郁闷或烦恼时，我会向父母诉说.59414赞同父母的观点时，我会点头表示同意.53415我和父母的意见不一致时，我们会商量讨论，共同做出决定.63216我常常不能理解父母的想法和感受-.30217我和父母不得不说话时才会有交流.37018父母说话时，我会认真倾听.5421.调查问卷的题目质量分析3.结果整理与分析1我经常和父母交流对一些事物的看法.4802和父母交谈时，不管谁对谁错，我都能耐心地把他们的话听完.6448我和父母在很多事情上想法不一样.2549我通常可以和父母长时间轻松地聊天.58216我常常不能理解父母的想法和感受-.30217我和父母不得不说话时才会有交流.37018父母说话时，我会认真倾听.5421.调查问卷的题目质量分析3.结果整理与分析问题：题目的反应与总分之间是负相关说明了什么？完全不符合、有些符合、不能确定、不太符合、完全符合计分为：1、2、3、4、5具体的含义是什么？1.调查问卷的题目质量分析数据库存在问题：题目中存在反向计分题目，需要对题目16、17题重新编码问题：如何通过SPSS对题目反向计分？反向计分后的水平值如何处理？1.调查问卷的题目质量分析1.1.1相关法题目鉴别指数重新编码后重复上述工作，根据质量要求删除第17题。1我经常和父母交流对一些事物的看法.4892和父母交谈时，不管谁对谁错，我都能耐心地把他们的话听完.6413和父母观点有分歧时，我会和父母认真谈自己的想法，有时也会参考父母的意见.5894我会站在父母的立场上想问题，知道他们也不容易.6015我经常主动与父母分享我知道的许多事情.5936我很少把父母的话放在心上.4257我和父母经常由于意见不一致而把关系搞僵.4358我和父母在很多事情上想法不一样.2599我通常可以和父母长时间轻松地聊天.58910父母和我说话时，我心不在焉.52511我能妥善地处理与父母的冲突.51512父母批评我时，虽然我心里不好受，但我知道他们是为我好.55813在我心情郁闷或烦恼时，我会向父母诉说.60314赞同父母的观点时，我会点头表示同意.52215我和父母的意见不一致时，我们会商量讨论，共同做出决定.63816我常常不能理解父母的想法和感受.43717我和父母不得不说话时才会有交流-.22418父母说话时，我会认真倾听.572鉴别指数（D）项目评价0.40以上0.30－

0.390.20－

0.290.19以下很好良好，修改后会更佳尚可，但需修改差，必须淘汰注：美国测验学家伊贝尔（L.Ebel），1965项目鉴别指数与评价标准2.调查问卷的效度分析2.1因素分析获得测验的构念效度(constructvalidity)，利用因素分析抽取变量之间的共同因素(commonfactor)，以较少的构面(因素)代表原来较复杂的多变量结构。2.调查问卷的效度分析探索性因素分析(exploratory

factor

analysis,EFA)：传统的因素分析程序中，对于因素结构的寻找，并未有任何假设与预期结果。验证性因素分析(confirmatory

factor

analysis,CFA)：使用于研究进入较成熟阶段，验证或确认因素分析各参数的性质或因素的数量。2.1.1探索性因素分析的步骤选择所分析的变量准备相关矩阵，估计共同性决定因素的数目从相关矩阵中抽取共同因素旋转因素，增加因素的解释结果解释2.1.1探索性因素分析的步骤1.

打开因素分析对话框2.1.1探索性因素分析的步骤2.选择分析的变量2.1.1探索性因素分析的步骤3.描述统计设置2.1.1探索性因素分析的步骤Descriptive功能窗口各项功能选项如下﹕单变量描述﹕显示各变量的有效观察值数目、平均数和标准偏差。

原始分析结果﹕此为内定选项，显示未转轴前之各变量的共通性、特征值(eigenvalues)

、和可解释之变异量的百分比。系数﹕显示变量间的相关系数距阵。显著性水平﹕显示相关系数单边的显著水平。行列式﹕显示相关系数距阵的行列式值。KMO

和Bartlett的球形度检验﹕逆模型﹕显示相关系数距阵的反距阵。再生﹕显示再生相关系数距阵和残差距阵。反映象：显示反影相关系数距阵(anti-imagecorrelationmatrix)和反影共变数距阵(anti-image

covariance

matrix)探索性因素分析的步骤KMO检验KMO取样适当性0.5以下不宜0.5~0.6不理想0.6~0.7普通0.7~0.8尚可0.8~0.9佳0.9~极佳Bartlett球形检验H0

：没有共同因素H1：有共同因素KMO与Bartlett检定Kaiser-Meyer-Olkin取样适切性量数。.899Bartlett球形检定近似卡方分配3654.902自由度153显著性.0002.1.1探索性因素分析的步骤4.因子抽取设置2.1.1探索性因素分析的步骤因素抽取功能窗口各项功能选项如下﹕Method﹕选取因素抽取方法，有下列方法：①主成份分析法（Principal

components）②未加权之最小平方法（Un-weighted

least

squares）③一般化的最小平方法（Generalized

least

squares）④最大概似法（

Maximum

likelihood）⑤主轴因素法(Principal-axis

factoring)⑥Alpha因素法(Alpha

factoring)。⑦映像因素法(Image

factoring)。29四种因素抽取方法比较主成分分析主轴因素法Alpha因素法映像因素法12121212T1-.087.988-.086.981-.086.981-.086.968T2-.072.989-.071.977-.071.977-.071.965T3.997-.026.994-.026.994-.026.993-.026T4.998.040.997.040.997.040.993.040特征值2.0161.9422.0051.9091.9971.9171.9841.870解释％50.4148.5450.1247.7349.9347.9249.6146.74转轴特征值2.0031.9551.9951.9191.9951.9191.9831.871直交％50.0748.8849.8747.9949.8747.9949.5946.76总变异％98.9597.8597.8596.352.1.1探索性因素分析的步骤4.因子抽取设置2.1.1探索性因素分析的步骤因素抽取功能窗口各项功能选项如下﹕分析﹕选取相关系数距阵或共变异数距阵。相关性矩阵（Correlationmatrix）：以相关系数距阵为分析对象。协方差矩阵（Covariancematrix）：以共变异数距阵为分析对象。2.1.1探索性因素分析的步骤因素抽取功能窗口各项功能选项如下﹕输出（Display）﹕显示转轴解或绘因素负荷图。未旋转的因子解（Un-rotated

factor

solution）：显示未转轴之每个变量的因素负荷量、共通性和特征值。碎石图（Screenplot）：它是绘出相对于每个因素变异量﹝特征值﹞的趋势图，此图是以特征值递减方式显示。2.1.1探索性因素分析的步骤因素抽取功能窗口各项功能选项如下﹕抽取（Extract）﹕选择抽取因素的方法。基于特征值（Eigenvalueover）：输入右边方格的特征值，即会选取大于或等于该值之特征值的因素。因子的固定数量（Numberof

factors）：依指定选取之数目抽取因素。最大收敛性迭代次数（Maximum

iterations

forconvergence）﹕距阵迭代的次数，SPSS内定为25次。34因素数目判断原则一般原则：解释变异量因素越多，解释变异量越大因素越多，简效性越低（模式越复杂）35因素数目判断原则一般原则：解释变异量因素数目判断方法：特征值大于1（表示大于1.00的原始观察变异量），因素数目合理范围为变量数除以3至除以5之间36因素数目判断原则一般原则：解释变异量因素数目判断方法：2.陡坡检定Scree

test

(Cattell,1966)特征值明显出现变化时为合理数目37因素数目判断原则一般原则：解释变异量因素数目判断方法：3.共同因素累积的解释率最好能达60%以上，最佳为70%以上，最低要求要达50%以上(Anastasi,1988)38因素数目判断原则一般原则：解释变异量因素数目判断方法：4.因素负荷量检验：因素负荷量的判断.71（50％）优秀.63（40％）非常好.55（30％）好.45（20％）普通.32（10％）不好.32以下：不及格，为合理。39因素数目判断原则一般原则：解释变异量因素数目判断方法：5.观察变量的数目单一观察变量的因素并不恰当二个观察变量的因素在这两个变量相关高（r>.7），与其他变量相关低时，为合理。40因素数目判断原则一般原则：解释变异量因素数目判断方法：6.研究上的考虑探索性的目的，想要了解因素的结构时，边缘强度的因素可以保留，以了解其性质当研究者需要稳定的因素进行研究时，保留信度高的因素即可2.1.1探索性因素分析的步骤2.1.1探索性因素分析的步骤

因素转轴窗口各项功能选项如下﹕方法（Method）﹕选取因素转轴方法，有下列方法：无（None）：不因素转轴，为内定选项。最大方差法Varimax：正交转轴法，其用以使每个因素对应之高因素负荷量的变量数目最少。此有助于因素的解释。最大四次方值法（Quartimax）：正交转轴法，为一种使每个变量对应的因素数目最少的转轴方法。此有助于变量的解释。最大平衡值法（Equamax）：正交转轴法，为Varimax﹝用以简化因素﹞和Quartimax﹝用以简化变量﹞的合并转轴法。直接Oblimin法：为一种非正交转轴法﹝斜交转轴法﹞。当选取此项时，下面的输入方格Delta会成作用状态，可输入一个小于或等于0.8的数值。当输入为一负值，该值愈小﹝即其绝对值愈大﹞则斜交情况愈低。Promax：为一种斜交转轴法。当选取此项时，下面的输入方格

Kappa会成作用状态，可输入一个数值，用以控制该法的运算。内定值为4，其适用于大部份的分析。Rotation转轴因素转轴因素(主成份)之所以需要转轴,是为了获得更具理论基础,或更有意义的因素结构.所谓‘转轴’,在几何图形上是坐标轴的旋转;在统计学上则是将变异数重新分配到新的(转轴后的)主成份(因素)上.Rotation转轴转轴方法直交转轴(orthogonal

rotation)因素(主成份)是呈90°角的直交转轴,也就是转轴后的新因素(主成份)仍是彼此独立不相关.斜交转轴(oblique

rotation)因素(主成份)并非呈90°角转轴,因此转轴后的新因素(主成份)彼此并不独立.但斜交转轴比较容易得到群聚(cluster)的效果.Rotation转轴因素I(转轴前)-1.0-.500+.50-.50-1.0+1.0+.50V2+1.0V3V4V5正交转轴因素II(转轴前)因素II(转轴后)V1因素I(转轴后)Rotation转轴-1.0-.500+.50-.50-1

0+1.0+.50V1V2+1.0V3V4斜交转轴因素I(转轴前)因素II(转轴前)因素II(直交转轴后)因素I(斜交转轴后)因素II(斜交转轴后)V5因素I(直交转轴后)2.1.1探索性因素分析的步骤6.辅助性设置2.1.1探索性因素分析的步骤

缺失值的处理与系数显示方式的功能窗口各项功能选项如下﹕缺失值﹕缺失值的处理方式，有下列三种：

按列表排除个案：分析时完全去除所有变量的缺失值。

按对排除个案：分析时以每对变量为对象，去除有缺失值的个案。

使平均值替代：以平均数取代缺失值。显示系数的方式：Coefficient

display

format按大小排序：于因素负荷距阵中，依照因素负荷量值的大小排列变量，使某因素对应之具高因素负荷量的变量群聚，以利分析。因素结构距阵中亦同。取消小系数：仅显示绝对值大于或等于指定值的系数﹝因素负荷量﹞，指定值为介于0与1之间的数值，内定值为0.10。2.1.1探索性因素分析的步骤对因素作出解释。

解释因素是观察负荷矩阵，尤其是旋转后的负荷矩阵进行的。如果一个因素的大负荷只出现在一个变量上，因素就由这个变量来解释。如果一个因素的大负荷出现在几个变量上，因素就由这几个变量来综合表征，用它们的公共内涵或或共性来解释因素。

解释因素带有很强的专业性、经验性，也带有主观色彩和艺术气息。不同的研究者可能有不同的做法。但只要解释合理，就认为是可以接受的。2.1.1探索性因素分析的步骤探索性因素分析的注意事项将一个研究中的几个研究维度，分开来进行因素分析，也就是单独跑每个维度的因素分析。研究者在因素标准的设定，是以预先设定要取多

少的因素，而不是以特征值大于1.0以上作为取决，容易造成很多题目没有达到一定的因素负荷量或

特征的标准，但是就纳入某一因素中。问卷题目并没有以原先设定的研究维度归类，而是以因素负荷量大小依次排序，打乱原先因素结构的题目内容。2.1.2因素分析结果1.变量的相关矩阵2.1.2因素分析结果2.KMO

and

Bartlett检验结果KMO

和Bartlett

的检验取样足够度的Kaiser-Meyer-Olkin

度量。.895Bartlett

的球形度检验 近似卡方1442.747df

136Sig.

.0002.1.2因素分析结果3.变量共同性2.1.2因素分析结果4.总体变异的解释2.1.2因素分析结果5.碎石图2.1.2因素分析结果5.未转轴的因素矩阵2.1.2因素分析结果6.转轴后的因素矩阵Rotated

Component

MatrixaComponent1234我经常和父母交流对一些事物的看法.740我经常主动与父母分享我知道的许多事情.720赞同父母的观点时，我会点头表示同意.617我和父母的意见不一致时，我们会商量讨论，共同做出决定.534.441我通常可以和父母长时间轻松地聊天.516.439.343和父母观点有分歧时，我会和父母认真谈自己的想法，有时也会参.509.412考父母的意见在我心情郁闷或烦恼时，我会向父母诉说.466.427我会站在父母的立场上想问题，知道他们也不容易.457.400父母说话时，我会认真倾听.738父母批评我时，虽然我心里不好受，但我知道他们是为我好.705我能妥善地处理与父母的冲突.655和父母交谈时，不管谁对谁错，我都能耐心地把他们的话听完.353.560.339我很少把父母的话放在心上.742父母和我说话时，我心不在焉.737我和父母经常由于意见不一致而把关系搞僵.666我常常不能理解父母的想法和感受.360.540我和父母在很多事情上想法不一样.7852.1.2因素分析结果7.因子转换矩阵成份转换矩阵成份12341.650.617.429.1132-.333-.279.796.4213.602-.575-.219.5094-.323.459-.367.742提取方法:主成份。旋转法:具有Kaiser

标准化的正交旋转法。2.1.2因素分析结果经项目分析，共有17个题目，再进行因素分析，采用主成份分析的方法抽取因素，选择特征根值大于1的因素，经

过5次因素分析，不断删除因素负荷量低以及在不同因素

上负荷差异较小的题目共5题（见下表），剩余题目13题，组成正式量表。表因素分析次数与删题原因因子分析次数删除题目原因18仅有组成1个因素23多个因素负荷过高315多个因素负荷过高44多个因素负荷过高2.1.2因素分析结果KMO与Bartlett检定结果KMO

和Bartlett

的检验取样足够度的

Kaiser-Meyer-Olkin

度量。

.862Bartlett

的球形度检验 近似卡方

1019.552df

78Sig.

.0002.1.2因素分析结果因素抽取方法：特征根值大于1、碎石图2.1.2因素分析结果因素抽取方法：特征根值大于1、碎石图2.1.2因素分析结果因素特征值方差解释量（%）累积方差解释量（%）F12.45318.87118.871F22.40018.46137.331F32.12016.30753.639因素特征根及其解释率各因子的特征根、方差贡献率和方差累积贡献率2.1.2因素分析结果转轴后因子负荷表Component123我经常和父母交流对一些事物的看法我经常主动与父母分享我知道的许多事情我通常可以和父母长时间轻松地聊天赞同父母的观点时，我会点头表示同意在我心情郁闷或烦恼时，我会向父母诉说父母说话时，我会认真倾听父母批评我时，虽然我心里不好受，但我知道他们是为我好我能妥善地处理与父母的冲突和父母交谈时，不管谁对谁错，我都能耐心地把他们的话听完我很少把父母的话放在心上

父母和我说话时，我心不在焉我和父母经常由于意见不一致而把关系搞僵我常常不能理解父母的想法和感受.797.702.616.544.536.750.732.636.595.747.707.706.5912.1.2因素分析结果2.1.2因素分析结果建立3个分量表，根据每一个公共因素所包含项目的内容，对其表命名如下：沟通认知：1、5、9、13、14、沟通方式：2、11、12、18不良沟通：6、7、10、162.调查问卷的效度分析2.2总量表与分量表的相关问题：如何在SPSS中实现计算维度分与总分？COMPUTESEW1=SUM(SEAB01,SEAB05,SEAB09,SEAB13,SEAB14).VARIABLE

LABELS SEW1'沟通认知'.EXECUTE.2.调查问卷的效度分析2.2总量表与分量表的相关1.打开相关分析对话框2.调查问卷的效度分析2.2总量表与分量表的相关2.将维度分和总分选入变量对话框2.调查问卷的效度分析2.2总量表与分量表的相关3.相关分析结果沟通认知沟通方式不良沟通