问卷研究

SPSS效度分析

案例数据

300 行 × 14 列 Likert 量表(与信度分析共用),4 个理论维度(工作内容 / 工作环境 / 薪酬福利 / 同事关系),演示 KMO 取样适切性检验 + Bartlett 球形检验 + 各题 MSA。

文件名validity.xlsx(与 reliability.xlsx 内容一致,研究者通常先做信度再做效度)
样本量300 行
变量数14 列(4 维度 × 3-4 题)
数据用途员工满意度问卷结构效度验证(紧接信度分析后的下一步)
变量说明工作内容 1-4 / 工作环境 1-4 / 薪酬福利 1-3 / 同事关系 1-3。

完整案例

1. 背景

同一份"员工满意度问卷"(与信度分析使用同一数据集),完成信度检验(α 均 ≥ 0.74)后,下一步要做结构效度检验,回答两个问题:①该量表数据是否适合做因子分析(KMO ≥ 0.7、Bartlett 球形检验 p < 0.05)?②每个题项的 MSA 是否达标?通过后才能进入 EFA / CFA 等结构验证。

2. 理论与公式

效度分析通常以探索性因子分析检验量表结构,重点关注 KMO、Bartlett 检验、因子载荷和解释方差。

KMO

比较相关系数与偏相关系数,判断是否适合因子分析。

共同度

表示题项方差被公共因子解释的比例。

累计解释方差

衡量提取因子对题项总方差的解释能力。

3. 数据结构

每行 1 位员工,14 列均为 Likert 1-5 评分。变量按 4 个理论维度命名(与信度分析章节的数据结构完全一致):

维度题项数变量名
工作内容4工作内容1 / 工作内容2 / 工作内容3 / 工作内容4
工作环境4工作环境1 / 工作环境2 / 工作环境3 / 工作环境4
薪酬福利3薪酬福利1 / 薪酬福利2 / 薪酬福利3
同事关系3同事关系1 / 同事关系2 / 同事关系3

只放定量 Likert 题项,不放性别、学历等分类背景变量。

4. 操作步骤

  1. 登录 SPSSzero,进入 工作台 → 上传 validity.xlsx
  2. 左侧方法栏 → 问卷研究 → 点击 效度
  3. 题项分组 中,把 4 组题分别归到 4 个维度
  4. 点击 开始分析,一次性输出整体 + 各维度 KMO + Bartlett 结果
效度分析变量选择截图
题项按维度分组(实际截图待补)

5. 结果表格与结果阅读

结果区按"汇总检验 + 各题 MSA 明细"两表输出:

表1 效度检验结果(N=300,KMO + Bartlett)
维度题项数KMOBartlett χ²dfp判定
工作内容40.802391.66260.000***适合
工作环境40.808414.93460.000***适合
薪酬福利30.715304.94630.000***适合
同事关系30.689200.01330.000***勉强
整体140.7551354.065910.000***尚可
KMO ≥ 0.9 极优;0.8-0.9 适合;0.7-0.8 尚可;0.6-0.7 勉强;< 0.6 不适合。Bartlett p < 0.05 即可。

整体 KMO=0.755(尚可),4 个维度 KMO 在 0.689-0.808 之间。Bartlett p 全部 < 0.001 通过球形检验 —— 整体可进入因子分析。

表2 各题项 KMO 值(MSA)
维度题项MSA
工作内容工作内容10.820
工作内容20.800
工作内容30.804
工作内容40.785
工作环境工作环境10.821
工作环境20.805
工作环境30.808
工作环境40.800
薪酬福利薪酬福利10.719
薪酬福利20.695
薪酬福利30.734
同事关系同事关系10.696
同事关系20.674
同事关系30.697
MSA 越高越好,单题 MSA < 0.5 应考虑删除该题项。

所有 14 题 MSA 均 > 0.67(最低 "同事关系2" = 0.674),无需删除任何题项。

7. 文字分析

结构效度检验综合解读:

  • 整体:KMO=0.755(尚可),Bartlett χ²=1354.07, df=91, p<0.001 —— 整体数据适合做因子分析
  • 工作内容 / 工作环境 维度 KMO 在 0.80 以上,适合因子分析;
  • 薪酬福利 维度 KMO=0.715,适合
  • 同事关系 维度 KMO=0.689,勉强可用 —— 但 Bartlett 球形检验通过(p<0.001),且各题 MSA 都在 0.67 以上,可继续分析;
  • 所有 14 题 MSA 均 > 0.5(最低 0.674),无需删除任何题项

结论:该量表整体通过 KMO + Bartlett 双重检验(整体 KMO=0.755),数据适合进入下一步 —— EFA 探索性因子分析(看每题在哪个因子上的载荷归属)或 CFA 验证性因子分析(验证 4 因子结构假设)。

8. 剖析提醒

效度分析不适合单选、多选或纯分类题;题项跨载荷明显时应结合理论重新审视题目。