效度分析（探索性因子分析）
方法简介：效度分析通过探索性因子分析(EFA)评估量表的结构效度，检验量表是否真正测量了它所声称测量的概念。通过KMO检验、Bartlett检验判断数据是否适合做因子分析，通过因子载荷矩阵揭示潜在的因子结构。
取样适切性检验
| KMO值 |
适合程度 |
| KMO ≥ 0.9 | 非常适合 |
| 0.8 ≤ KMO < 0.9 | 适合 |
| 0.7 ≤ KMO < 0.8 | 一般 |
| 0.6 ≤ KMO < 0.7 | 勉强 |
| KMO < 0.6 | 不适合 |
Bartlett球形度检验的p值应<0.05，表示变量间存在相关性，适合做因子分析。
因子载荷的判断
- 因子载荷≥0.4：有实际意义
- 因子载荷≥0.5：较好
- 因子载荷≥0.7：非常好
使用 chatspss 进行效度分析
"请对问卷进行效度分析，包含所有量表题项"
"分析满意度量表的因子结构"
结果包含
- KMO和Bartlett检验结果
- 方差解释率表：各因子的特征根和累积解释率
- 旋转后因子载荷矩阵：各题项在各因子上的载荷系数
相关方法
信度分析 |
验证性因子分析 |
相关分析
立即使用 chatspss 进行效度分析