SPSS计应用实务 项 GRO Std Deviation I Std Error Mean 人数 平均数 标准差 平均数标准误差 0 A2 3.23 2.00 1.00 3.40 2.00 2.07 12050 A4 3.23 2.00 83 6 3.00 7 A6 3.23 A7 2.83 42320 1.85 1.00 3.40 A8 10 2.00 74 76 a9 1.00 2.77 A10 371 19 762E-02 All .00 2.53 707 290 6.16E-02 100 A12 2.83 t.19 7.62E-02 A13 30 2.40 16 1.30 8.96E02 1.00 A14 2.17 200 1.22 8.15E02 AI5 1.67 1.07 5.14E-02 I87 2.00 1.33 9.25E-02 AI7 2.63 85 1.52 A18 2.00 1.89 19 80E-02 2.80 2.00 1.33 48 9.25E-02 1.00 2.57 2.0 1.56 A22 3.33 225
第2章项目方 ndependent Sample Test独立样本检验) Equality of Variances t-test for Equality of Means Mean Std Eror 95%Confidence F值显暑t值 自由度(2 ailed)Difference Difference Interval of the 性检 t值显著性平均数差异值 Difference 验 异标准误差Low Al Equal variances assumed, 200 657 7. 254**4 55 Equal variances n 7.12846.471 A2 Equal variances assumed 1.576 215 7.459*** 55 000 17 Equal variances not 746354.478000 l.23 17 assumed A3 Equal variances assumed. 106 746 7. 406***55 Equal variances not 7.2824684 .33 1.69 assur A4 Equal variances assumed 5. 156 027 4.810 55 Equal 717***45.2 A5 Equal variances assumed 1,41 4.96|54.928000 A6 Equal variances assumed. 243 62-48.850***55 1.24 1.97 Equal variances not 884454.217.000 1.60 1.241.97 A7 Equal variances assumed, 488 488 6.202**w 55 66 130 equal variances not 626654.60 16 A8 Equal variances assumed 3. 279. 076 9. 394*** 55 . c00 quat variances not 924647465000 18 1.30202 assumed A9 Equal variances assumed 1,703. 197 5,023***55 Equal variances not 497650983 1.06 63 1.49 assumed Al0 Equal variances assumed 15302 000 9.561 55 000 1.071.63 Equal variances not 9785◆*49,464.000 1.07162 assumed All Equal variances assumed 30.9. 0008.094 55 18 qual variances not 8429申*37622.0001.42 1.081,76 A12 Equal variances assumed 9.827. 003 9.770 55 qual variances not 10089*43.603U 16 1.32198 assumed A13 Equal variances assumed 13.509. 001 5.747 5 Equal variances not 5926·*·44.569000 48 assumed Al4 Equal variances assumed 12.836 001 5.526 55 --=-- 000 qual variances not 5.692**45285000 17 assum
PSS计泫用实务 续上表 Levens Test fo Equality of Mean Std Error 95%Confidence 显著t值自由(2 tailed) Difference Difference Interval of the F值 度t值显著平均数差异值 Diference 性的差异标准误差 Lower Upper AlS Equal variances assumed 37.974.000 4.348 55 000 equal variances 4519*·390000 32 AI6 Equal variances assumed.0438363.568·◆·5500 Equal variances not 3618 53 Al7 Equal variances assumed 1.715 5535*55 1.52 5616534000 72 A18 Equal variances assumed. 695 408 3.804*** 55.000 Equal variances not 61 16 sumed A19 Equal variances assumed. 991 324 5.635*** 55 000 1.15 Equal variances not 569154.6000 1.15 A 20 Equal variances assumed 2.837. 098 8.587**. 55 1.8 Equal variances noi 49.5 000 47 A21 Equal variances assumed 1.533. 221 5.158*s* 1.01 Equai variances not 1.0 19 62 assumed A22 Equal variances assumed. 519. 474 5.735+44 55 [. Il Equal variances not 5.677 506000 1.11 assumed 有*(P<001)符号者代表该题的t值大小 在结果中先看每个题项组别群体变异数相等性的“F值”检验,如果显著(Ssg的值小 于05),表两个组别群体变异数不相等,此时看“ Equal variances not assumed“(假定变异数 不相等)所列之t值,如果t值显著(Sg的值小于0.05),则此题项具有鉴別度 判别两组平均数差异检定之t是否显著,除參考概率值p外,亦可差异值之95%的信赖 区间(95% confidence interval of the difference)判别,如果95%的信赖冈间未包含0在内,表 不两者的差异显著。 如果“F值”不显著(Sig的值大于005,表两个组別群体变异数相等(同质),则查表“ Equal variances assumed”(假定变异数相等)之t值,此时t值如果显著(Sig的值小于0.05),表示 此题项具有签别度(t值检验报表的详细说明,请参考第7章)。本章简要将其检视的流程图示 如下 26
第2章項目分析 值 P≤005 P>05(接受虚无假设) 显著与否? Equal variances not assume Equal variances assumed Separate variance 母群变异数异质 母群变异数问质 P≤0.05 T值显著否? T值显著否? 结果显著 P>.05(接受 虚无假设) 结果不显著 结果说明 例题中,a1-a2的t值均达显著,表示预试问卷22个题项均具有鉴别度,所有题项均能 鉴別出不同受试者的反应程度 如果题项较多,且均达显著,而硏究者因实际硏究考虑时,要删除部份题项,可挑选鉴 別度较高的题项,以减少量表题数 将挑选出来的题项或具鉴别力的题项,作因素分析,以检验垦表的结构效度
第3章因素分析——一结构效度 量表进行项目分析完后,接着所要进行的是量表的因素分析,因素分析的的在于求得 量表的“结构效度”( construct validity)o 在多变量关系中,变量间线性组合对表现或解释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,排除前述层面外,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小。 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。成份变异通常以“特 征值" ( eigenvalues)表示,有时也称“特性本质" characteristic roots)或“潜在本质”( latent roots, 因素分析时共享因素的抽取时,最常用的方法即为主成份分析法。 因素分析也是多变量方法的应用之一,在社会科学领域屮,应用最广的是把数个很难解 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 factor)e因素分 析时,如以主成份分析法抽取因素,则又称之为“主成份因素分析 principal factor analysis PFA)”,事实上,主成份因素分析也是因素分析中最常使用的方法。 因素分析是一种潜在结构分析法,其模式理论中,假定每个指针(外在变量或称题顶 观察值、问卷问题)均中两个部份所构成,一为“共同因素”( common factor)、一为“唯 因素”( unique factor)。共同因素的数目会比指针数(原始变量数)还少,巾每个指针或原始变 量皆有个唯一因素,亦即份量表共有n个题项数,则也会有n个唯一因素。唯因素性 质有两个假定( Kleinbaum et al,1988): 1.所有的唯一因素间彼此没有相关。 2.所有的唯因素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: Zi=a I F1+a 2F2+aj 3 F3+... +a,mFm+U 其 1.乙为第j个变量的标准化分数 2F为共同因素。 3m为所有变量共问因素的数目。 4.U为变量2的唯一因素。 5.a1为因素负荷量 素分析的理想情况,在于个别素负荷量a1不是很大就是很小,这样每个变量才能与 较少的共冋因素产生密切关联,如果想要以最少的共同因素数来解释变量问的关系程度,则 U彼此间或与共问因素间就不能有关联存在。 所谓的因素负荷量为因素结构屮,原始变量与因索分析时抽取出共因素的相关。在因 素分析中,有两个重要指针一为“共同性”( communality)、二为“特征值” eigenvalue)。为