图12.22
在“Factor Analysis: Descriptives”对话框中，“Statistics”（统计量）复选框中有两个选项，“Univariate descriptives”（单变量描述性统计量）项显示每一题项的平均数、标准差；“Initial solution”（未转轴之统计量）项显示因素分析未转轴前之共同性（communality）、特征值（eigenvalues）、方差（占总方差）的百分比及累积百分比。此例我们选取“Initial solution” （未转轴之统计量）项。
“Correlation Matric”（相关矩阵）复选框中有七个选项，“Coefficients”(系数)显示题项的相关矩阵；“Significance levels”（显著水准）求出前述相关矩阵的显著水准；“Determinant”（行列式）求出前述相关矩阵的行列式值；“KMO and Bartlett’s test of sphericity”（KMO与Bartlett的球形检定）显示KMO抽样适当性参数与Bartlett’s的球形检定；“Inverse”（倒数模式）求出相关矩阵的反矩阵；“Reproduced”(重制的)显示重制相关矩阵，上三角形矩阵代表残差值，而主对角线及下三角形代表相关系数；“Anti-image”（反映像）求出反映象的共变量及相关矩阵。此例我们选取“KMO and Bartlett’s test of sphericity”（KMO与Bartlett的球形检定）项， 如图12.23所示。
图12.23
然后点击Continue按钮，返回“Factor Analysis”主对话框中。 ②Extraction?（因素提取方法）按钮
点击Extraction?按钮，进入“Factor Analysis: Extraction”对话框。在“Method”（因素
提取方法）后的选项框中选“Principal components”（主成份分析法）；在“Analyze”（统计分析）选项框中，选“Correlation matrix”（相关矩阵），意为使用相关矩阵进行分析；在“Display”（显示）复项框中，选“Unrotated factor solution”（未旋转因子解） 和“Scree plot”（陡坡图），意为显示未转轴前的解和用陡坡图来显示；在“Extract”（提取）选项框中，选“Eigenvalues over：”（特征值），后面的空格内设为1，表示因素提取时，以特征值大于1作为因素提取的标准；在“Maximum Iterations for Convergence：”（转轴时的迭代最多次数）后的输入框中设为25（默认值）。如图12.24所示。
图12.24
点击Continue按钮，返回“Factor Analysis”对话框中。 ③Rotation?（因素旋转方法）按钮
点击Rotation?按钮，进入“Factor Analysis: Rotation”对话框。在“Method”下的选项框中，选取“Varimax”（方差极大法正交旋转）；在“Display”下的复选框中，选取“Loading plot(s)”（因素负荷图）；在“Maximum Iterations for Convergence：”（转轴时的迭代最多次数）后的输入框中设为25（默认值）。设置如图12.25所示。
图12.25
点击Continue按钮，返回“Factor Analysis”对话框中。 ④Score…（分数）按钮 点击Score…按钮，进入“Factor Analysis：Factor Scores”对话框，有两个复选框，“Save
as variable”（因素存储变量）和“Display factor coefficient matrix”（显示因素分数系数矩阵），这里，我们取默认值（默认值为都不选取），如图12.26所示。
图12.26
点击Continue按钮，返回“Factor Analysis”对话框中。 ⑤Options?（选项）按钮
点击 Options?按钮，进入“Factor Analysis: Options”对话框。在“Missing Values”（遗漏值）选项框中，选“Exclude cases listwise”（完全排除遗漏值），意为观察值在所有变量中没有遗漏值者才加以分析；在“Coefficient Display Format”（系数显示格式）复选框中，勾选“Sorted by size”（按因素负荷量的大小进行排序），如图12.27所示。
图12.27
点击Continue按钮，返回“Factor Analysis”对话框中。
再点击OK按钮，即可执行结构效度分析程序，其结果在SPSS Output中显示。 操作4：解读结果。（其运行结果由一系列报表组成）
报表一：KMO and Bartlett’s Test（KMO及Bartlett’s检验），见图12.28。
图12.28
说明：KMO是Kaiser-Meyer-Olkin的取样适当性量数，当KMO值愈大时，表示变量间
的共同因素愈多，愈适合进行因素分析，如果KMO的值小于0.5时，较不宜进行因素分析，
2?范例的KMO值为0.800，表示适合进行因素分析。另外，Bartlett’s球形检验的值为721.050
（自由度为190）达到显著水平，代表母群体的相关矩阵间有共同因素存在，适合进行因素
分析。
报表二：Communalities（共同性），见图12.29。
图12.29
说明：提取方法为主成分分析法，最右边一栏为提取后共同性的值。 报表三：Total Variance Explained（总方差解释），见图12.30。
图12.30 说明：1.表中“Initial Eigenvalues”（未转轴的特征值）下“Total”的特征值总和等于20（题项数）。
2.表中“Initial Eigenvalues”（未转轴的特征值）下的“% of Variance”（方差率）为特征值除以题项数。
3.将左边20个题项的特征值大于1者列在“Extraction Sums of Squared Loadings”（未转轴的因子载荷的平方和）这一“因子提取结果”栏中。例题中特征值大于1的有六个，这也是因素分析时所提取的共同因素数。特征值按高低顺序排列，第一个共同因素所解释的方差最大，后面依次递减。
4.转轴后各共同因素的特征值会改变。转轴前六个共同因素的特征值分别为6.332、1.634、1.459、1.285、1.079、1.040，特征值总和为12.829；转轴后六个共同因素的特征值分别为2.744、2.616、2.255、1.914、1.767、1.534，特征值总和为12.83。由此可见，虽然转轴前后单个共同因素的特征值会改变，但所有共同因素的总特征值不变。
5.转轴后，被所有共同因素解释的总变异量不变（特征值总和不变），例题中，转轴前后六个共同因素可以解释的总变异量都为64.151%。
表四：Scree Plot（陡坡图），见图12.31。
图12.31
从陡坡图中，可以看出从第六个因素以后，坡度线较为平坦，因而以保留5至6个因素较为适宜。
表五：Component Matrixa （未转轴的因素矩阵），见图12.32。
图12.32
说明：提取六个因素
表六：Rotated Component Matrixa （转轴后的因素矩阵），见图12.33。
Rotated Component Matrixa