效度（探索性因子）分析

因子分析是一种常用的统计分析方法，主要基于降维的思想，通过探索变量之间的相关系数矩阵，根据变量的相关性大小对变量进行分组，使同组内变量间的相关性较高，不同组变量的相关性较低，而代表每组数据基本结构的新变量称为公共因子。

因子分析用于为了解决实际问题中涉及的众多变量，且变量之间可能存在错综复杂的相关关系，为了从中提取少数的综合变量，使其包含原有变量的大部分信息。

常用探索性因子分析和验证性因子分析来检验，通过判断题项间的相关性，通常使用探索性因子分析进行结构效度的验证，验证性因子分析，常用作验证量表的内容效度。

采用KMO和巴利特球形检验，检验数据是否适合使用探索性因子分析方法（KMO取值范围为0-1，取值在0.5以下为非常不合适，0.6以下表示不太合适，0.7表示一般，0.8表示合适，0.9以上表示非常合适）。后采用主成分分析提取公因子，最大方差法对提取的因子进行旋转。因子载荷系数因大于0.5，累积方差百分比因高于60%，旋转后的成分矩阵能清晰的看出结构效度情况。

2.探索性因子分析操作步骤

第一步:将数据导入并赋值后点击分析、降维、因子。

图1 探索性因子分析第一步

第二步：进入图中对话框后将量表题项全部放入变量框中、点击描述、勾选初始解、KMO和巴特利特球形度检验。点击继续。

图2 描述勾选

第二步：点击旋转、勾选最大方差法、点击继续。

图3 旋转方法勾选

第三步：点击选项、勾选排除小系数并在绝对值如下框中填入0.5。点击继续、确定。

图4 不显示系数小于0.5设置

3.探索性因子分析结果

然后探索性因子分析的KMO和巴特利特检验、公因子方差、总方差解释结果

图5 结果

成分矩阵、旋转后的成分矩阵就出来了。

图6 旋转后成分矩阵结果

4.结果整理

将旋转后矩阵表结果粘贴复制到表格中进行整理。在表格的右侧加入公因子方差中的提取一栏的数据并加入命中共同性，并将KMO值和巴特利特球形度检验的结果总结后放入表格的下方，及总解释方差中的初始特征值和累积方差百分比。

图7 结果整理