简单数据分析Word格式.docx
- 文档编号:18327031
- 上传时间:2022-12-15
- 格式:DOCX
- 页数:23
- 大小:639.40KB
简单数据分析Word格式.docx
《简单数据分析Word格式.docx》由会员分享,可在线阅读,更多相关《简单数据分析Word格式.docx(23页珍藏版)》请在冰豆网上搜索。
各问题之间的相关系数矩阵
问题A1与问题A2之间的相关系数为.625的显著性水平为.000
问题A1与问题A2之间的相关系数为.625
如果相关矩阵中的相关系数大都小于0.3,而且未达到显著性水平,则说明变量间的相关性普遍较低,它们存在潜在共同因子的可能性较小,就不再适合于做因子分析;
如果相关系数都较大,则进一步通过KMO和巴特莱球形检验分析。
KMO检验结果为.960>
=0.5,巴特莱球形检验结果sig.=0.000,差异显著,说明此两项检验都表明此观测数据适合做因子分析。
提取因子之后,即后面提取的4个因子,4个因子可以解释问题A160.2%的变异
没有提取因子之前,即还是用25个因子,25个因子可以解释问题A1所有的变异
Communalities
Initial
Extraction
A1
1.000
.602
A2
.556
A3
.658
A4
.699
A5
.686
A6
.479
A7
.639
A8
.632
A9
.449
A10
.618
A11
.579
A12
.527
A13
.494
A14
.609
A15
.486
A16
.455
A17
.583
A18
.616
A19
A20
.603
A21
.536
A22
.620
A23
.464
A24
.558
A25
.597
ExtractionMethod:
PrincipalComponentAnalysis.
TotalVarianceExplained
解说总变异量:
因子的特征值(eigenvalue)须大于1,方决定选取之成份。
Component
InitialEigenvalues
最初的特征值
ExtractionSumsofSquaredLoadings
提取后的平方和负荷量
RotationSumsofSquaredLoadings
旋转后的平方和负荷量
Total
特征值
%ofVariance
此因子对全部观测数据变异的解释量
Cumulative%
累计变异解释量
提取因子后因子1的特征值,而小于1的因子4—25则被去掉
因子1的特征值
1
11.221
44.883
5.642
22.568
2
1.723
6.893
51.776
4.413
17.651
40.220
3
1.409
5.637
57.414
4.298
17.194
因子1能解释全部观测数据变异的44.883%
4
.946
3.784
61.198
5
.827
3.308
64.506
6
.740
2.961
67.467
7
.661
2.644
70.111
8
.649
2.596
72.707
因子1和2共能解释全部观测数据变异的51.776%
9
.608
2.431
75.139
10
.577
2.309
77.448
11
.530
2.122
79.569
12
.508
2.033
81.603
13
.481
1.924
83.526
14
.446
1.782
85.308
15
.428
1.713
87.022
16
.404
1.615
88.636
17
.385
1.540
90.176
18
.361
1.443
91.619
19
.344
1.374
92.993
20
.332
1.327
94.320
21
.328
1.312
95.632
22
.311
1.243
96.875
23
.277
1.108
97.983
24
.268
1.070
99.053
25
.237
.947
100.000
旋转后的成分(因子)矩阵
RotatedComponentMatrixa
.760
.081
.133
.732
.205
.199
.717
.160
.315
.702
.125
.137
.697
.233
.207
.681
.324
.252
.617
.236
.346
.369
.286
.476
.452
.182
.469
.439
.269
.053
.758
.028
.218
.713
.044
.078
.630
.229
.292
.593
.408
.275
.574
.209
.263
.551
.497
.223
.525
.459
.451
.523
.373
.424
.179
.789
.211
.186
.788
.355
.181
.707
.230
.382
.442
.517
.484
.071
.489
PrincipalComponentAnalysis.
RotationMethod:
VarimaxwithKaiserNormalization.
a.Rotationconvergedin5iterations.
经最大变异数转轴法旋转后,取因素负荷量(factorloading)绝对值大于0.5(或0.6)者,因素负荷量为变量所属因素间之相关。
此处因在0.5-0.6间的问题(即变量)太多,如果都删除,问卷题项会变得太少,因此,我们选大于0.5为标准。
所以,我们删除A23、A15、A13、A6四个问题。
然后再进行一次因子分析。
除了将A23、A15、A13、A6四个问题拿出来不进行因子分析外,其他步骤如上,结果发现A18又变得小于0.5。
.771
.149
.042
.738
.177
.294
.164
.158
.098
.683
.258
.314
.626
.360
.192
.619
.322
.330
.795
.127
.227
.794
.372
.134
.255
.706
.266
.549
.393
.546
.388
.228
.521
.467
.054
.797
.070
.747
.091
.265
.285
.241
.573
.288
.473
.524
.463
.425
.475
所以,我们进一步删除A18后再进行一次因子分析。
除了将A23、A15、A18、A13、A6五个问题拿出来不进行因子分析外,其他步骤如上,结果发现剩下的问题都满足大于0.5的条件。
.772
.148
.040
.221
.720
.296
.167
.712
.093
.705
.232
.195
.684
.317
.628
.362
.193
.325
.188
.796
.126
.135
.256
.708
.374
.129
.267
.554
.491
.366
.231
.526
.457
.077
.061
.806
.082
.750
.096
.270
.633
.246
.569
.513
至此,我们把问题A23、A15、A18、A13、A6排除后,剩下的问题保留在量表中,效度分析结束,我们可以报告说,所有问题的因子负荷值都大于0.5。
六、信度分析:
使用内部一致性系数(克隆巴赫)
一般来说,问卷(或一个问卷因素,本例中偏差行为问卷只有一个因素,就是偏差行为的严重程度,有的问卷可能包括若干因素,例如16pf就是16个因素,则是看每个因素的Alpha系数)Alpha系数(上图中.9040)大于0.80是比较满意的,而大于0.70是可以接受的,那么问卷中的每一题目都可以保留。
如果连0.70都达不到,就要看每个题目的被删除后Alpha的变化情况,就是,把那些题目被删除后Alpha值会大大提高的题目逐个删除,直到总体Alpha达到0.80或0.70。
记住一定要逐一删除,因为只要一个题目变化了,整个结果都会随之变化。
至此,一个信效度较好的问卷就产生了,我们可以放心地进行正式使用,再收集数据,再进行描述统计或推论统计,所得结果就比较可靠了。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 简单 数据 分析
![提示](https://static.bdocx.com/images/bang_tan.gif)