問卷信效度分析吳智鴻Outline項(xiàng)目分析（Item

Analysis)效度分析（Validity

Analysis:Factor

Analysis)信度分析（Reliability

Analysis)項(xiàng)目分析Item-analysis使用時機(jī)?問卷預(yù)試完後，根據(jù)樣本填答的資料求出各題項(xiàng)的決斷值（CR)，若決斷值沒有達(dá)到顯著水準(zhǔn)，則該題項(xiàng)便允以刪除。案例說明?國道客運(yùn)滿意度問卷項(xiàng)目分析STEPS輸入問卷資料至SPSS?

若有反向題則需要以[Recode]來進(jìn)行轉(zhuǎn)換加總?cè)款}項(xiàng)的分?jǐn)?shù)。按總分排序區(qū)分高低分組?

以樣本總分的前27%為高分組?

以樣本總分的後27%為低分組

獨(dú)立樣本t考驗(yàn)，檢驗(yàn)每個題項(xiàng)在高低分組有無差異。若未達(dá)顯著，則刪除。

求其各題項(xiàng)與總分之相關(guān)，若達(dá)顯著水準(zhǔn)，則不需刪題。滿意度問卷～整體滿意度部分滿意度問卷～社經(jīng)背景STEP

1開啟資料STEP

2加總分?jǐn)?shù)我們以問卷第三部分～整體滿意度之第1~8題來當(dāng)範(fàn)例。選[Transform]/[Compute]來加總分?jǐn)?shù)。

輸入以下公式，然後選OK。將總分儲存於「Total」變數(shù)中。計(jì)算極端值

用[Analyze]/[Descripitive

Statistics]/[Frequencies]出前27%與後27%的值。利用統(tǒng)計(jì)量找出極端值前27%的值為32後27%的值為25區(qū)分高低分組

用[Transform]/[Recode]/[Into

Different

Variables]將「total」變數(shù)分群。輸入以下資訊，然後按「Old

and

NewValue」輸入分群資訊如下Group變數(shù)?1代表低分組?2代表高分組?.代表未分組執(zhí)行[Analyze]/[Compare

Means]/

[Independent-Samples

T

test]利用Group變數(shù)來進(jìn)行T

test檢定滿意度八個題目有無差異。結(jié)果說明：顯示八個題目均具有鑑別度，可以保留。先看變異數(shù)同質(zhì)性考驗(yàn)之F值（Levene’s

Test)?

F值之p-value<0.05看Equal

variances

not

assumed之t值?

F值之p-value>0.05看Equal

variances

assumed之t值各題項(xiàng)之t值便是CR值STEP6求算與各題項(xiàng)之相關(guān)[Analyze]/[Correlate]/[Bivariate]用Person求出變數(shù)與總分間相關(guān)程度

將問卷各題項(xiàng)（八題）及「Total」變數(shù)放入

Variable方塊，?勾選「Person」、「Two-tailed」、「Flag

significant

correlation」。

由右表可知，各題項(xiàng)與總分相關(guān)皆達(dá)顯著水準(zhǔn)（p<0.01)，因此此八個題項(xiàng)皆可保留。信度分析信度分析（Reliability

Analysis)使用時機(jī)?進(jìn)行項(xiàng)目分析與因素分析之後，建立問卷的信度。案例說明?國道滿意度問卷操作步驟?

[Analyze]/[Scale]/[Reliability

Analysis]常用信度指標(biāo)?內(nèi)部一致性係數(shù)（Cronbach’s

α)?折半係數(shù)實(shí)例演練安養(yǎng)中心照護(hù)品質(zhì)滿意度以預(yù)期服務(wù)品質(zhì)22題項(xiàng)進(jìn)行1.項(xiàng)目分析信度分析效度分析CR值信度因素分析使用時機(jī)?建立問卷的建構(gòu)效度（Construct

Validity)案例說明?國道滿意度問卷操作步驟?

[Analyze]/

[Data

Reduction]

/

[Factor]求相關(guān)係數(shù)和估計(jì)共同性Statisics統(tǒng)計(jì)量

[Univariarte

descripitive]：單變量描述性統(tǒng)計(jì)量，計(jì)算每一題項(xiàng)的平均數(shù)、標(biāo)準(zhǔn)差。

[Initial

solution]：初始解統(tǒng)計(jì)量。計(jì)算出因素分析未轉(zhuǎn)軸前之共同性(communality)、特徵值(eigenvalues)、變異數(shù)百分比(cumulativepercentage)[Correlation

Matrix]：係數(shù)矩陣[Correlation

Matrix]：係數(shù)：計(jì)算出各題題項(xiàng)之間的相關(guān)係數(shù)矩陣。[Significance

levels]：顯著水準(zhǔn)。計(jì)算出相關(guān)係數(shù)的顯著水準(zhǔn)矩陣。[Determinant]：行列式值。計(jì)算相關(guān)係數(shù)矩陣的行列式值。[Inverse]：反矩陣。計(jì)算相關(guān)係數(shù)矩陣的反矩陣。

[Reproduced]：重製相關(guān)矩陣。上半部代表重製矩陣，下半部代表殘差矩陣。[Anti-image]：反映像。求出反映像的共變數(shù)及相關(guān)矩陣。

[KMO

and

Bartlett’s

test

of

sphericity]：KMO值和巴特烈球形考驗(yàn)。決定抽取共同因素的方法陡坡圖Method：抽取共同因素的方法主成份分析（principle

component

analysis）未加權(quán)最小平方法(Unweighted

least

squares)一般化最小平方法（Generalized

least

squares）最大近似法（Maximum-likelihood

）主軸法（principal-axis

factoring）因素法(Alpha

factoring)映像因素法(Image

factoring)轉(zhuǎn)軸的方法Method：轉(zhuǎn)軸的方法[None]：不需轉(zhuǎn)軸[varimax]：最大變異法(屬正交轉(zhuǎn)軸法)[Quartimax]：四次方最大值法(屬正交轉(zhuǎn)軸法)[Equamax]：相等最大值法（屬正交轉(zhuǎn)軸法）[Direct

Oblimin]：直接斜交轉(zhuǎn)軸法(屬斜交轉(zhuǎn)軸法)[Promax]：Promax轉(zhuǎn)軸法(屬斜交轉(zhuǎn)軸法)輸出情形[Rotated

solution]：顯示轉(zhuǎn)軸後的相關(guān)資訊。

[Roading

plot(s)]：顯示轉(zhuǎn)軸後的因素負(fù)荷量圖形。遺漏值設(shè)定

[Exclude

cases

listwise]：某一筆資料中有遺漏值，不論該缺失值所在變項(xiàng)與該次分析有關(guān)否，一律將該筆資料排除不用。

[Exclude

cases

pairwise]：若要分析的變項(xiàng)該樣本皆缺失資料，則該筆樣本不用。

[Replace

with

mean]：用平均數(shù)取代缺失值，進(jìn)行計(jì)算。因素負(fù)荷量輸出情形[Sort

by

size

]：讓因素負(fù)荷量依大小序排列。

[Suppress

absolute

values

less

than]：設(shè)因素負(fù)荷量小於所輸入之設(shè)定值時，則因素負(fù)荷量不出現(xiàn)。但一般來說，正式的研究論文中應(yīng)該呈現(xiàn)完整的因素負(fù)荷量較為適宜。各題項(xiàng)間的相關(guān)矩陣因素分析適合度考驗(yàn)

當(dāng)KMO值越大時，表示變項(xiàng)間的共同因素越多，越適合進(jìn)行因素分析。一般來說，如果KMO值小於.5時，較不宜進(jìn)行因素分析。本例中的KMO值為.918，大於.5，所以適合因素分析。

另一種指標(biāo)為Bartlett’s球形考驗(yàn)，其卡方值

27715.185，達(dá)顯著水準(zhǔn)，代表相關(guān)矩陣間有共同因素存在，因此適合進(jìn)行因素分析。效度係數(shù)轉(zhuǎn)軸後的因素負(fù)荷量矩陣轉(zhuǎn)軸後的因素負(fù)荷量矩陣轉(zhuǎn)軸後的因素負(fù)荷量矩陣

每一題於五個因素的負(fù)荷量取其最大者，便把此題項(xiàng)歸在此因之下。

例如：「期望座位舒適度」題項(xiàng)在各個因素的負(fù)荷量為.834、-.055、.051、.096、-.141。因此把「期望座位舒適度」題項(xiàng)類在因素一之內(nèi)。

在上表中，「因素一」共有7題，「因素二」共有7題，「因素三」共有5題，「因素四」共有3題，「因素五」共有2題。

一般來說，每一個因素至少要包含3題以上是題項(xiàng)才足以表達(dá)出因素的構(gòu)面。因此，第五因素下是二題則可以刪除。

刪題之後，必須再重新進(jìn)行一次因素分析，檢驗(yàn)各構(gòu)面的題項(xiàng)是否會因刪題之後而改變。

我們可以反覆的進(jìn)行因素分析，直到各個因素之下的題項(xiàng)至少3題以上者，方可得到最後的因素構(gòu)面。刪題後的結(jié)果已轉(zhuǎn)軸的因素負(fù)荷量

由上表可知，四個因素構(gòu)面之下的題項(xiàng)與第一次因素分析一致，所以已經(jīng)達(dá)到穩(wěn)定，不再進(jìn)行因素分析。利用已轉(zhuǎn)軸的因素負(fù)荷量，進(jìn)行因素命名。

若因素分析中的結(jié)果中，每一個因素之下是題項(xiàng)包含了許多其他原先設(shè)定構(gòu)面之下的題項(xiàng)，則必須重新命名。資料分析結(jié)果呈現(xiàn)

針對國道客運(yùn)滿意度問卷進(jìn)行因素分析，首先經(jīng)過巴特萊球形考驗(yàn)(Bartlett’s

Test

ofSphericity)，其

=25336.689，df=231，p=.000<.001，達(dá)到顯著水準(zhǔn)，表示量表上有共同因素的存在。

KMO的抽樣適度量數(shù)(Kaiser-Meyer

Measureof

Sampli