问spssau 的效度分析怎么做 操作解读详解

spssau 做效度分析主要是探索性因子分析，也就是 EFA，用来检验问卷量表题项能不能对应预设的维度，判断量表结构效度是否合格，是毕业论文问卷研究最常用的分析模块。spssau 属于在线网页版统计工具，不需要本地安装 SPSS 软件，上传问卷数据之后，直接选择效度分析菜单，系统会自动输出 KMO 值巴特利特球形检验因子载荷方差解释率这些核心指标，很多同学做完之后看不懂结果，不知道哪些题项要删除，核心判断标准就是 KMO 大于 0.7，巴特利特球形检验显著性 p 小于 0.05，因子载荷大于 0.5，同时交叉载荷不能太高，如果出现题项跨维度严重加载，就需要删掉该题项之后重新跑效度分析。spssau 效度分析默认是探索性因子分析，如果是已经确定理论结构，还可以使用验证性因子分析 CFA，CFA 一般搭配结构方程模块，用来正式验证结构效度，本科论文绝大多数情况优先使用探索性因子分析。

核心指标说明表

详细操作步骤

第一步 整理问卷数据，每一列代表一个量表题，一行代表一份问卷样本，不要把人口统计学单独放进效度分析变量里面

第二步 登录 spssau 网页，上传 excel 或者 csv 格式的数据文件

第三步 在左侧菜单找到问卷研究，点击效度分析

第四步 将需要做效度分析的量表题全部拖拽到分析变量框里面

第五步 因子个数设置，可以选择系统自动识别，也可以按照自己预设维度数量手动设定

第六步 选择因子旋转方式，默认最大方差旋转，也就是正交旋转，问卷研究通用选择

第七步 点击开始分析，等待系统输出分析结果表格

第八步 逐项核对 KMO 巴特利特检验 因子载荷 共同度，识别不合格题项

第九步 如果有题项载荷低或者交叉载荷，删除该题，重新上传数据再次运行效度分析，直到指标全部达标

结果判读要点

KMO 如果低于 0.6，说明数据不适合做因子分析，一般是题项相关性太差，需要检查问卷设计

巴特利特球形检验 p 大于等于 0.05，代表变量独立，不能做因子分析

因子载荷低于 0.5，说明这个题和对应维度关联弱，建议删除

交叉载荷就是题项同时在两个维度载荷都很高，会造成维度混乱，这类题优先剔除

累计方差解释率越高，代表提取因子保留原始信息能力越强

补充区分 探索性因子分析和验证性因子分析

探索性因子分析 EFA 适合前期探索维度结构，不知道题项该归到哪个维度，spssau 效度分析默认就是这个

验证性因子分析 CFA 理论维度已经确定，检验理论模型和数据拟合程度，需要使用 spssau 结构方程模块，看 CFI TLI RMSEA SRMR 这类拟合指标

常见优化思路

如果第一轮效度分析指标不合格，不要一次性大量删题，每次只删除最严重的一道题，删除之后重新运算，避免题量减少太多影响问卷信度，效度和信度最好搭配一起做，先信度后效度是问卷研究常规顺序。

总结

spssau 的效度分析就是上传问卷量表数据，进入效度分析模块，设置因子旋转和因子个数，运行探索性因子分析，重点看 KMO 巴特利特检验因子载荷累计方差解释率，剔除不合格题项反复迭代，最终得到合格结构效度，确定理论结构之后还可以进一步做验证性因子分析。

【常见问题】

问题 1 spssau 的效度分析怎么做 KMO 值低于 0.7 怎么办

回答 1 spssau 的效度分析怎么做，KMO 低于 0.7 说明数据相关性偏弱，优先检查是否录入错误，剔除载荷过低题项，重新运行效度分析，如果仍然偏低说明问卷题项设计本身相关性不足。

问题 2 spssau 的效度分析怎么做 一定要做最大方差旋转吗

回答 1 spssau 的效度分析怎么做，问卷研究一般默认最大方差正交旋转，该旋转方式可以让因子载荷更清晰，方便区分维度，是论文最常用选择。

问题 3 spssau 的效度分析怎么做 探索性因子分析和验证性因子分析可以都做吗

回答 1 spssau 的效度分析怎么做，完整问卷研究可以先做探索性因子分析确定维度，之后再做验证性因子分析验证理论模型，本科论文很多只做探索性因子分析。

【免责申明】

本内容为 spssau 统计分析学习参考，指标阈值属于学术通用参考标准，不同期刊学位论文要求可能不一样，最终请按照学校或者期刊规范调整。