探索性因素分析.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,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,理论假设,因素分析结果,因素数目,6,个,8,个,解释的变异量,100%,54.488%,哪些题目聚在同一个因素下了！,理论假设,因素分析结果,维度,1,37,、,43,、,45,、,47,、,51,、,54,、,57,37,、,43,、,45,、,47,、,51,、,54,、,57,、,32,维度,6,15,、,28,、,31,、,38,、,41,15,、,28,、,38,维度,8,2,、,1,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,