spss效度分析结果怎么看

效度分析
效度用于测量题项(定量数据)设计是否合理，通过因子分析(探索性因子分析)方法进行验证；研究人员心中预期着变量与题项对应关系；进行因子分析后，因子(即变量，使用因子分析时称因子)与题项对应关系；二者预期基本一致时，则说明具有良好效度水平正常情况下，效度分析仅仅针对量表数据，非量表题目比如多选，单选性别之类的题目不能进行效度分析。如果一定想分析效度，建议可使用‘内容效度’，即用文字详细描述问卷设计的过程，用文字的形式描述清楚问卷是做什么，有什么用处，为什么合理，而且有专家认证，这样就说明问卷设计合理有效。
如果用户预期分析项可分为几个方面(变量)，则用户可自行设置因子个数（维度个数），如果不设置，系统会以特征根值大于1作为判定标准设定因子个数;
●因子与题项对应关系判断
假设分析题项为10个，预期分为3个因子(维度或变量)；因子与题项交叉共得到30个数字，此30个数字称作”因子载荷系数”(因子载荷系数值表示分析项与因子之间的相关程度)；针对每个分析项对应行，则有3个”因子载荷系数值”(比如0765,-0066,0093),3个数字绝对值大于04，如果其对应因子1，则说明此题项应该划分在因子1下面如下表所示:
位置，本应该在‘因子3’下面却跑到‘因子1’下面，因而‘分析项1’就属于‘张冠李戴’。针对‘张冠李戴’，一定需要将题目删除重新进行分析。
●效度分析对不合理题项进行删除
共有三种情况; 第一类：如果分析项的共同度值小于04，则对应分析项应该作删除处理；第二类：某分析项对应的”因子载荷系数”的绝对值，全部均小于04，也需要删除此分析项；第三类：如果某分析项与因子对应关系出现严重偏差，也需要对该分析项进行删除处理（此现象称作‘张冠李戴’）
●效度分析的其余判断指标
特征根值(通常使用旋转后，以大于1作为标准)，方差解释率(意义较小)，累积方差解释率(通常使用旋转后，以大于50%作为标准),KMO值(大于06作为标准)，巴特球形值对应的sig值(小于001作为标准)
效度分析
效度用于测量题项(定量数据)设计是否合理，通过因子分析(探索性因子分析)方法进行验证；研究人员心中预期着变量与题项对应关系；进行因子分析后，因子(即变量，使用因子分析时称因子)与题项对应关系；二者预期基本一致时，则说明具有良好效度水平正常情况下，效度分析仅仅针对量表数据，非量表题目比如多选，单选性别之类的题目不能进行效度分析。如果一定想分析效度，建议可使用‘内容效度’，即用文字详细描述问卷设计的过程，用文字的形式描述清楚问卷是做什么，有什么用处，为什么合理，而且有专家认证，这样就说明问卷设计合理有效。
如果用户预期分析项可分为几个方面(变量)，则用户可自行设置因子个数（维度个数），如果不设置，系统会以特征根值大于1作为判定标准设定因子个数;
●因子与题项对应关系判断
假设分析题项为10个，预期分为3个因子(维度或变量)；因子与题项交叉共得到30个数字，此30个数字称作”因子载荷系数”(因子载荷系数值表示分析项与因子之间的相关程度)；针对每个分析项对应行，则有3个”因子载荷系数值”(比如0765,-0066,0093),3个数字绝对值大于04，如果其对应因子1

因子分析完了有个方差表，可以看分量。比如有3个因子，10个变量。每一个变量在3个因子里面都有分量，在谁的分量最大，就归于哪个因子。所以你就可以判断哪些因子包含哪些变量了。

因子分析的方法有两类。一类是探索性因子分析法，另一类是验证性因子分析。探索性因子分析不事先假定因子与测度项之间的关系。主成分分析和共因子分析是其中的典型方法。

验证性因子分析假定因子与测度项的关系是部分知道的，即哪个测度项对应于哪个因子，虽然尚且不知道具体的系数。

扩展资料：

在因子分析中，通常只选其中m个（m<p）主因子，即根据变量的相关选出第一主因子ƒ1，使其在各变量的公共因子方差中所占的方差贡献为最大，然后消去这个因子的影响，而从剩余的相关中，选出与之不相关的因子，使其在各个变量的剩余因子方差贡献中为最大，如此往复，直到各个变量公共因子方差被分解完毕为止。

参考资料来源：百度百科-因子载荷

1，这是因子分析的第一步。你的kmo大于05，sig小于005，说明你的数据可以做因子分析。也就 是说你紧跟在下边的报表是有意义的。
2，效度分析要看旋转矩阵，这个问题很复杂，建议你找一下旋转矩阵怎么看的资料学习一下。
总之你的维度要在选转矩阵上分开，这样效度就通过了，
3，近似卡方值和自由度不用管。
ppv课学习网站

---