探索性因素分析 ppt课件.ppt

探索性因素分析
——检验问卷的结构效度
探索性因素分析
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>300）
减少维度和题目（此法不推荐使用！）
探索性因素分析
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）
探索性因素分析
陡阶碎石图用于选取合适的因素数目此图5、6、7个都行
探索性因素分析
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：
探索性因素分析
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！
探索性因素分析
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！
探索性因素分析
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！
探索性因素分析
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
探索性因素分析
没变！
探索性因素分析
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
探索性因素分析
陡阶碎石图：没变！
探索性因素分析
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
探索性因素分析
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
探索性因素分析
KMO值降低了一点哦
为什么？
探索性因素分析
解释变异量升高了！
为什么？
探索性因素分析
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？
探索性因素分析
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？
探索性因素分析
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
探索性因素分析
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”
探索性因素分析
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%？）
探索性因素分析
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：
探索性因素分析
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。
探索性因素分析
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
探索性因素分析
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
探索性因素分析
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
探索性因素分析
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
探索性因素分析
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