问卷效度分析解读和操作

首先分析KMO值

效度分析用于研究问卷量表数据的设计合理性。首先，我们需要分析KMO值。如果KMO值高于0.8，说明效度高；如果KMO值介于0.7~0.8之间，说明效度较好；如果KMO值介于0.6~0.7之间，说明效度可接受；如果KMO值小于0.6，说明效度不佳（如果仅两个题，则KMO无论如何均为0.5）。

接着分析题项与因子的对应关系

第二步是分析题项与因子的对应关系。如果对应关系与研究心理预期基本一致，则说明效度良好。

处理效度不佳的情况

如果效度不佳，或者因子与题项对应关系与预期严重不符，或者某分析项对应的共同度值低于0.4（有时以0.5为标准），则可考虑对题项进行删除。

删除题项的常见标准

删除题项时有两个常见标准：一是共同度值低于0.4（有时以0.5为标准），二是分析项与因子对应关系出现严重偏差。

循环进行分析直到达到良好效度

重复上述1~4共4个步骤，直至KMO达到标准，并且题项与因子对应关系与预期基本吻合，最终说明效度良好。

对分析进行总结

最后，对分析进行总结。上传自己的数据到SPSS中，点击【问卷研究】->【效度】，将分析项（量表题项）放入分析框中，然后设置维度数量并开始分析。分析结果中最关键的是两个表格，分别是KMO值表格和载荷系数loading值表格等。可以直接对应输出的文字分析查看指标。如果使用KMO值分析效度时，KMO值大于0.8，则研究数据效度非常好。

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。