spss多因素分析结果怎么看（SPSS中的数据分析信度效度检验）

前一篇文章跟大家分享了在SPSS中如何对量表问卷进行信度检验，我们通过文章了解到了问卷的信度检验是通过Cronbach's α(克朗巴哈)系数系数法来检测数据的信度，同时结果显示我们用来进行展示的数据是已经通过了信度检验。那针对这些数据我们又该如何进行效度检验呢？今天我们就继续接着上一篇文章来看看如何对问卷数据进行效度检验。

在分析之前，我们首先需要知道，对量表的效度检测是为了更好的证明所用问卷适合此次实证研究。而效度检测可以通过因子分析检验看量表结构归类是否合理。

当用因子分析检验效度时，首先需要满足因子分析的前提条件，即题项之间具有较强的相关性，这反映在两个检验指标上：1、KMO值，2、Bartlett球形检验值。其中，KMO值用于比较题项间简单相关和偏相关系数，取值在0到1之间。是否适合做因子分析的标准为：大于0.9，非常适合；0.7-0.9适合；0.6-0.7较为适合；0.6-0.5之间不太适合；0.5以下放弃。Bartlett球形检验值用以检验题项间相关系数是否显著，如果显著（即sig.<0.05）则适合做因子分析。

在进行效度检验的时候，我们需要选择分析—降维—因子分析来进入到因子分析的操作界面当中，如下图所示：

从上图我们可以看到，在进入到因子分析的界面以后，我们首先需要把我们所要进行效度检验的题目选择并且加入到变量栏中去。

在将问卷题目选入到变量栏中以后，我们对因子分析进行设置，首先我们点击描述，勾选最下方的KMO和Bartlett的球形度检验，接着我们在旋转中选择最大方差法，最后我们在选项中勾选显示格式中的两个选项，绝对值可以设置为0.5即可。最后我们点击确定就能够得出我们本次效度分析的分析结果：

从上图可以看出：KMO的数值是0.708，介于0.7-0.9之间，表示此张问卷中的量表适合因子分析。下方的Bartlett（巴特利特）球度检验结果：卡方值为744.813，数值较大，证明所对应P值（为0.000）<0.05，因此巴特利特（Bartlett）球度检测具有显著意义。

从解释总方差表中可以看到，系统将四道量标题分为六个因子，这六个因子对整体的解释度能达到64.453%。

上表是因子分析结果中的旋转成分矩阵，从表中我们就能看到本次因子分析将所有问题一共分成了六类，分别为1-4题、5-8题、9-12题、13-15题、16-18题、19-20题这六个因子，其中我们可以将1-4题表述为影响购买手机的外部因素，5-8题表述为影响手机购买的品牌和款式因素，9-12题表述为影响手机购买的配置因素，13-15题表述为影响手机购买的环境因素，16-18题表述为影响手机购买的价格因素，19-20题表述为影响购买手机的其他因素（也可以将最后20题加入到第一个因素中）。

到这里我们整个问卷的信度效度分析就全部做完了，从整个分析结果来看，针对本次的问卷数据，不管是之前做的信度分析结果还是今天的效度分析结果都是比较好的。也就是说这一份问卷通过了信度效度检验，我们也就可以继续针对这份问卷进行其他的分析了。