. .
信度分析和效度分析
数据计分方法说明
类别 小分类 情感枯竭 职业倦怠 去个性化 个人成就感 心理资本 组织气氛 对应题项 1-3题 4-6题 7-10题 11-18题 19-26题 27-31题 每题计分方法 正向计分 正向计分 逆向计分 正向计分 21题为逆向计分，其余题项正向计分 27题和31题为逆向计分，其余题项为正向计分 维度计分方法 全部题项直接加总 全部题项直接加总 全部题项取倒数后加总 全部题项直接加总 21题取倒数后与其余题项加总 27和31题取到术后与其余题项加总 以上各个维度的总分直接加总 题项 3 3 4 8 8 总体幸福感 5 整体问卷 31 讲问卷调查的数据进行如上表的数据预处理后，接下来再进行如下分析。
1 信度分析
这里有63份问卷，首先我们需要的判定的是问卷中的调查题目能否反映调查的目的和调查的意图，问卷中的各个问题是否测量了相同的容和信息；同时，对于调查问卷所得到的数据是否具有可靠性，就必须在对问卷分析之前做信度分析。信度本身与测量结果的正确与否无关，它的用途在于检测问卷本身的稳定性。信度分析中常用Cronbach α系数的大小来衡量调查问卷的信度。一般而言，如果问卷的信度系数达到0.9以上，该问卷调查的信度就较好；信度系数在0.8以上，是不错的；一般认为试卷信度在0.5至0.9以是合理的，如果信度系数低于0.5，则此问卷的调查结果就不可信了。
将以上63份问卷的数据用SPSS21.0先进行标准化处理，再进行信度分析，其结果如表一所示：
表一 信度分析表 类别 Cronbach's Alpha 项数 页脚
. .
整体问卷 职业倦怠 心理资本 组织气氛 总体幸福感
.617 .822 .801 .837 .679
31 10 8 8 5
表一显示，整体问卷和问卷中的各个维度的Cronbach's Alpha系数值均大于0.6，所以可以推断此问卷的可信度一般，该评价问卷只具有很较高的在一致性。
2 效度分析
具备信度的问题不一定具备效度，因此做完信度分析，再用SPSS21.0对其进行效度分析。
2.1 因子模型适应性分析
效度分析使用的是因子分析模型，在运用因子模型分析之前，首先要对问卷数据进行因子模型适应性分析，分析结果如下表所示：
表二 KMO 和 Bartlett 的检验
KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。 近似卡方 Bartlett 的球形度检验 df Sig. .657 1187.636 465 .000
由上表的数据可知，问卷数据的KMO值为0.657，并且通过了显著性水平为0.05的巴特利球型检验，说明问卷调查的数据非常适合做因子分析。
2.2 因子分析结果
在进行了适应性检验之后，接下来就进行因子分析，其结果如下：
表三 方差贡献率
解释的总方差
成份 1 2
初始特征值
合计 8.752 3.259
方差的 % 28.231 10.514
累积 % 28.231 38.745
合计 8.752 3.259
提取平方和载入 方差的 % 28.231 10.514
累积 % 28.231 38.745
合计 4.937 3.766
旋转平方和载入 方差的 % 15.926 12.148
累积 % 15.926 28.074
页脚
. .
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
2.715 2.286 1.516 1.342 1.252 1.053 .958 .880 .762 .714 .684 .623 .580 .509 .449 .394 .342 .289 .276 .258 .204 .184 .171 .148 .121 .101 .079 .058 .039
8.758 7.374 4.891 4.328 4.038 3.398 3.089 2.840 2.459 2.302 2.207 2.011 1.870 1.642 1.449 1.272 1.104 .934 .892 .833 .659 .592 .552 .478 .391 .325 .254 .186 .127
47.503 54.877 59.768 64.096 68.134 71.532 74.620 77.461 79.920 82.222 84.429 86.440 88.309 89.951 91.400 92.672 93.777 94.710 95.602 96.435 97.094 97.686 98.239 98.717 99.108 99.433 99.687 99.873 100.000
2.715 2.286 1.516 1.342 1.252 1.053
8.758 7.374 4.891 4.328 4.038 3.398
47.503 54.877 59.768 64.096 68.134 71.532
2.996 2.714 2.584 2.076 1.709 1.393
9.666 8.756 8.335 6.697 5.511 4.492
37.740 46.496 54.831 61.528 67.040 71.532
提取方法：主成份分析。
根据表三方差贡献率分析表可以知道，具备信度的31个问题一共可以提取8个主成分，这8个主因子解释的方差占到了将近71.532%，由此我们可以认为，这次提取的8个公因子在充分提取和解释原变量的信息方面比较理想。
表四 旋转后的因子载荷矩阵
旋转成份矩阵
a
1
职业倦怠1 职业倦怠2 职业倦怠3 职业倦怠4 页脚
0.812 0.788 0.651 0.743
2 0.024 -0.043 -0.112 -0.085
3 0.046 0.051 -0.056 0.067
4 0.006
成份
5 0.012 0.176 -0.172 -0.172
6 -0.172 -0.211 -0.217 -0.275
7 -0.206 0.094 -0.053 0.017
8 -0.085 -0.086 -0.299 -0.073
-0.141 -0.155 -0.19
相关推荐：
loading