Hello,
这里是行上行下,我是喵君姐姐~
本期就是SPSS高级统计教程的最后一期啦!
在本期中,我们将为大家介绍EFA、CFA分析以及结构方程模型。
1 EFA
1. Spss操作
2.图表解读
2.1 KMO和巴特利特检验
KMO: Keiser-Meyer-OlkinMeasure of sample adaquacy: 探查观测变量间的偏相关性,比较简单相关系数和偏相关系数的大小,0-1之间
• KMO较小:变量不适合作因素分析
• 0.9以上:非常好superb
• 0.8以上:好great
• 0.7:一般good
• 0.6:差(0.5-0.7 mediocre)
• 0.5以下:不能接受
**Bartlett’s test of sphericity(球形检验),**一般相关矩阵中的相关系数必须显著高于0
• 相关系数偏低:因素抽取不容易,主成分数量与原变量差不多
• 用来检验相关矩阵是否单位矩阵(相关系数不同且大于0)
• 显著的球形考验→ 相关系数足以作为因素分析抽取因素之用
反映像矩阵(anti-image),显示偏相关的大小,矩阵中若有多对系数偏高,则应放弃使用因素分析
2.1 公因子方差
2.3 总方差解释
总方差解释:特征根/特征值:所有变量的因素载荷平方和,针对给定因素的特定值。未旋转和旋转后特征根不同,要报告旋转后的。
2.4 碎石图
看拐点