进入SPSS数据分析界面,Analyze>>Data Reduction>>Factor...,导入该量表所有题目。
接着点击上图中的Descriptives...,特别注意选择KMO和Bartlett球形检验,这是对数据是否适合因素分析进行检验,其细节在后面结果报告中讨论。
点击Extraction...,进入因素抽取界面,抽取方法一般选择Principal components(主成分)方法,为得到关于特征值的更直观的表示,可以勾选Scree plot(陡坡图或译碎石图),Eigenvalues(特征值)一般取大于1的因素。因为这是探索性因素分析,一般不对因素数量进行限制。如果有理论依据或进行验证性因素分析,可以在Number of factors里输入因素数量。对于探索性因素分析和验证性因素分析的区别和联系,感兴趣的话可以参阅“多元统计”方面的书籍。
选择结束后,点击Continue,,接着点击Rotation...,即进行因素转轴设计。共同因素抽取后其意义有时还不十分明确,为了使共同因素更具有实际意义,就需要对因素负荷矩阵进行旋转变换。一般情况下,选择转轴方法时,点击选择Varimax方法,即最大正交转轴。使用正交转轴的前提条件是,各共同因素被看作是正交的,即认为它们不相关。正交旋转的目的是将各因素轴旋转到适当的位置上,使得各变量在旋转后轴上的投影尽可能多地向最大或最小两极端分化,从而使得某些因素的高负荷只出现在少数变量上,其他变量上这些因素的负荷接近0。
当对共同因素进行正交旋转后,其实际意义仍然不能得到满意的解释是,就需考虑对共同因素进行斜交旋转。因为实际的教育和心理问题所涉及的因素往往相互关联,所以因素斜交的情况也是大量存在的。,感兴趣的话可以参阅相关SPSS教程,了解更多关于斜交旋转的操作。
。设置结束以后,点击Ok按钮,得出因素分析的结果