2024年4月30日发(作者：)

-

第五节 利用SPSS进展量表分析

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

软件对量表进展处理分析。

在获取原始数据后，我们利用SPSS对量表可以作出三种分析，即工程分析、因素分析和信度

分析。

工程分析，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响程度。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展检验。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。但是对于可承受的最

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软件对量表进展因素分析。

一、因素分析根本原理

因素分析是通过求出量表的"构造效度〞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构造分析法，其模式理论中，

假定每个指针〔外在变量或称题项〕均由两局部所构成，一为"共同因素〞、一为"唯一因素〞。

共同因素的数目会比指针数〔原始变量数〕还少，而每个指针或原始变量皆有一个唯一因素，亦

即一份量表共有n个题项数，则会有n个唯一因素。唯一因素性质有两个假定：

〔1〕所有的唯一因素彼此间没有相关；

〔2〕所有的唯一因素与所有的共同因素间也没有相关。

至于所有共同因素间彼此的关系，可能有相关或可能皆没有相关。在直交转轴状态下，所有

的共同因素间彼此没有相关；在斜交转轴情况下，所有的共同因素间彼此就有相关。因素分析最

-

常用的理论模式如下：

其中

〔1〕为第i个变量的标准化分数。

〔2〕Fm为共同因素。

〔3〕m为所有变量共同因素的数目。

〔4〕为变量的唯一因素

〔5〕为因素负荷量。

因素分析的理想情况，在于个别因素负荷量不是很大就是很小，这样每个变量才能与较少

的共同因素产生密切关联，如果想要以最少的共同因素数来解释变量间的关系程度，则彼此间

或与共同因素间就不能有关联存在。

- 所谓的因素负荷量，是因素构造中原始变量与因素分析时抽取出共同因素的相关。

在因素分析中，有两个重要指针：一为"共同性〞，二为"特征值〞。

所谓共同性，就是每个变量在每个共同因素之负荷量的平方总和〔一横列中所有因素

- 负荷量的平方和〕，也就是个别变量可以被共同因素解释的变异量百分比，这个值是

个别变量与共同因素间多元相关的平方。

从共同性的大小可以判断这个原始变量与共同因素间之关系程度。而各变量的唯一因素大小

就是1减掉该变量共同性的值。〔在主成份分析中，有多少个原始变量便有多少个成份，所以共

同性会等于1，没有唯一因素〕。

- 所谓特征值，是每个变量在*一共同因素之因素负荷量的平方总和〔一直行所有因素负