SPSS效度分析个案数不足两个 SPSS效度分析相关系数大概多少合适

初学者使用IBM SPSS Statistics进行效度分析常常不能正确理解相关系数含义，或者问题设置不正确出现很多的错误，这是非常正常的，坚持多学习，多了解就能很好的解决此类问题，本文就常见的问题如SPSS效度分析个案数不足两个，SPSS效度分析相关系数大概多少合适向大家作简单介绍。

一、SPSS效度分析个案数不足两个

个案数不足两个错误是使用SPSS进行效度分析时的常见错误，SPSS效度分析是借助主成分分析进行的，主成分分析是降维过程，目的在于把线性相关的几组变量用主成分向量组代替，在主成分分析过程中，要对每组数据求解方差，如果这组数据完全相同，则方差为零，主成分分析便出现错误。

为了便于大家理解，我们举一个实例，例如，在某个大学城进行学生电脑使用时间统计，如果调查问卷中有这样一个题目，请问你是不是大学生？显而易见，在大学城进行的学生调查，这个问题都会选择是，我们使用名义变量1代表是，0代表不是，这个问题的录入数据便为1。如图1所示，我们按照第三小节中的方法进行效度分析，此时进行效度分析结果输出窗口就会出现图2所示的错误，提示个案数不足两个。

一组变量值均相等

实际来看这个问题是没有意义的，剔除这个问题，将不再显示此错误，正确的进行效度分析还要关注相关性，主成分分析相关性可由KMO系数得出，我们在第二小节中介绍。

个案数不足两个警告

二、SPSS效度分析相关系数大概多少合适

我们在上一节中介绍过，SPSS效度分析是借助主成分分析进行的，主成分分析要求变量由相关性较强的几组组成，这样才能进行后续的分析，所以进行效度分析，就必须进行主成分分析，进行主成分分析，就必须进行相关性分析，主成分分析的相关性分析可由KMO系数得出，KMO系数的求解方法我们将在第三小节中介绍，我们在本节介绍KMO取值多少合适。图3是某调查问卷KMO和巴特利特检验检验结果。

KMO和巴特利特检验结果

KMO系数高于0.8，证明变量非常适合进行主成分分析，在0.6-0.8之间说明比较适合作主成分分析，低于0.5说明不适合作主成分分析。本例中KMO系数高于0.8，适于作主成分分析，同时巴特利特球形度检验显著性小于0.05，也说明数据适于作主成分分析，适于作主成分分析，说明问卷效度较高。

进一步作简单介绍，我们观察碎石图，可以发现在第三个点曲线发生突跃，说明用两个主成分即可代替全部变量，说明整张调查问卷，共有两个主要维度。

以上就是关于效度检验分析方法和需要注意的问题，下面我们介绍SPSS效度检验步骤。

碎石图

三、SPSS KMO求解及效度分析步骤

点击分析，降维，因子，进入因子分析界面。

进入因子分析界面

将全部变量加入变量列表中，然后点击描述，勾选KMO和巴特利特球形度检验，这样SPSS会在结果中输出图3所示的KMO检验的值。

勾选KMO检验

然后点击提取，勾选碎石图，SPSS将在结果中输出图4所示的碎石图，点击继续，然后点击旋转，勾选最大方差法，点击继续，确定，SPSS将进行主成分分析。

进行主成分分析

分析完毕后，SPSS会输出结果，我们按照第二小节中方法评价即可。

初学者常常有SPSS效度分析个案数不足两个，SPSS效度分析相关系数大概多少合适此类的问题，问卷中不应有答案一致的问题，这是没有意义的，也会导致个案数不足两个的警告，KMO值体现了数据适不适合作主成分分析，间接反映了效度高低，KMO值在0.8以上，代表问卷效度较高。