b4worker: [SPSS]因素分析
統雄-統計神掌 SPSS 因素分析篇 Statistics/SPSS Canon: Factor Analysis, By Sean TX Wu
統雄-統計神掌 SPSS 因素效度分析/驗證式因素分析篇 Statistics/SPSS Canon: Factorial Validity/ Confirmatory Factor Analysis (CFA), By Sean TX Wu
研究操作SPSS算效度,讀到呂金河的SPSS軟體與信效度分析投影片,投影片的p12有完整的教學,如何操作SPSS做效度分析。
以下摘錄自信效度分析_SPSS @ 雨傘vs屋簷 :: 痞客邦 PIXNET ::
內容效度
- 單項與總和相關效度分析的主要目的在於檢核編制的量表或測驗個別題項的適切性,探究高低分的受試者在每個題項的差異或進行題項間同質性檢定,根據項目分析結果,做為個別題項篩選或修改的依據。
- 如果個別題相與總分的相關愈高,表示題項與整體量表的同質性愈高,即所要測驗的內容愈能測得其正確性。若個別題相與總分的相關係數未達顯著,或二者相關為低度相關(小於0.4),表示題項與整體量表的同質性不高,會建議將此題刪除。
- 假設研究問卷中12題滿意程度的題項(非常滿意,滿意,普通,不滿意,非常不滿)與這12題的總和做相關分析,若各題項與總和的相關度皆大於0.4且皆達顯著,表示各題項與整體量表的同質性高,即所要測驗的題項能測得其正確性。
- 是指測量結果表現出來的某種結構與測值之間的對應程度,即問卷所能測量理論的概念或特質的程度。如我們根據理論的假設架構,編製一份問卷,經實際測試結果,受試者所得之實際分數,經統計檢驗結果能有效解釋受試者的特質,此問卷即具有良好的建構效度。
- 建構效度常用因素分析(Factor Analysis),此方法是抽取變項間的共同因素,以較少的構面來代表原本較複雜的資料結構;根據問卷所抽取的共同因素,可了解問卷有效測量的特質或態度為何。
- 利用KMO與Bartlett的球型檢定,KMO統計量是計算各題項間的偏相關性,該值越接近1,做因素分析的效果越好;
- Bartlett球型檢定相關矩陣是否為單位矩陣,以判斷各題項間是否獨立,若檢定量顯著,說明各題項間存在聯繫。
- 假設KMO統計量數值接近0.8,Bartlett球型檢定顯示拒絕原假設,皆顯示這12題題項間彼此有較強的相關性,適合做因素分析。
看數據看了老半天,不懂轉軸後的成份矩陣是幹麻用的,找到多變量分析這PPT,寫得非常不錯。
第四章 Part 2~Validity 效度 @ Nana 遊美記-社工全記錄 :: 痞客邦 PIXNET ::
第四章 Part 2~Validity 效度 @ Nana 遊美記-社工全記錄 :: 痞客邦 PIXNET ::
- 效度(Validity)是指一個測量工具是否能真正測量出所欲測量事物的特質或功能的程度。換句話說,效度的判別是把測量結果用來解釋測量主題的程度(是程度的多寡,並非全有或全無;就上例來說,用體重計測量身高,體重計的效度很低)。
- 建構效度(Construct Validity)是指某測驗能測量某個理論的概念的程度
- 建構效度是指一個測驗能夠測量某一個理論的建構程度。
- 建構是心理學者為了分析或解釋人類的內外在行為,對個人行為特質的一種假設,然後由受測者對測驗工具所作的行為反應,據以推測其是否具有這些特質。
- 建構效度的分析,需要從許多不同的資料來源,依據邏輯及經驗來分析。其方法與技術,通常有以下幾種
- 相關檢定
- 差異檢定
- 因素分析
- 內在一致性信度internal consistency reliability又稱Cronbach’s α reliability。檢定一個量表, 每個題目之一致性或關聯性. 如果Cronbach’s α值很低(可用spss計算), 則表示題目和題目之間的關連性很低, 其測量出的結果自然也就無法一致性, 量表就不具reliability.
巴氏球形檢定(Bartlett Test of Sphericity)
學因素分析時需要的東西
- 主成份分析與因素分析 - 服務科學的分子廚房 Molecular Service Science
- 維度縮減,通往線性代數的聖母峰 : 特徵值分解、奇異值分解與主成份分析
- Factor analysis - Wikipedia, the free encyclopedia
- Covariance matrix - Wikipedia, the free encyclopedia
- Covariance - Wikipedia, the free encyclopedia
- Transpose - Wikipedia, the free encyclopedia
- Variance - Wikipedia, the free encyclopedia
- Factor Analysis - Communalities
- 效度 公式 第三章
- Eigenvalues and eigenvectors - Wikipedia, the free encyclopedia
- Eigenvectors and Eigenvalues 特徵向量和特徵值
- 主成分分析與奇異值分解| 線代啟示錄
- 主成分分析 | 線代啟示錄
- Algorithms(Principal Component Analysis) - OriginLab
- Principal Component Analysis Algorithm | Coursera
- Principal Component Analysis explained visually
- Lesson 7: Principal Components Analysis (PCA) | STAT 505
- Lecture 15: Principal Component Analysis (這網站eigenfector的圖可reference,來自於一份網路資料『Intelligent Data Analysis and Probabilistic Inference Lecture』)
轉軸法
沒有留言:
張貼留言