有一个实验是这样的
研究者设计一份人格量表( 采likert五分制记分)共六题
第一、二题测的是外向性 第三、四题测内向性 第五、六题测直率度
受试者是十九个人
问题如下
(1)要用何种统计技巧去估计这些样本是不是有较强的人格类型?
---->我目前想到的只有independent t-test可是没有对照组难道是用GLM????
(2)这份资料用EFA跑出来Total Variance Explained资料如下,是否代表只测到一个因素(本来预计三个因素),所以这分资料的面向重合 需要再考虑其他的面向

Factor     Initial Eigenvalues         Extraction Sums of Squared Loadings
----------------------------------------------------------------------------------------------------------------------              
    Total     % of Variance     Cumulative %     Total     % of Variance     Cumulative %
1     4.199     69.984     69.984     3.892     64.875     64.875
2     .759     12.651     82.635                  
3     .439     7.324     89.959                  
4     .317     5.284     95.243                  
5     .206     3.431     98.674                  
6     .080     1.326     100.000                  
以上使用软体spss

只有19份喔?? ...
一般来说最少要30份比较好吧...
像小样本就用 t 检定较正确~
用到回归或是ANOVA之类的会不正确..

下面是引用烈于2006-01-1 18:22发表的 :
只有19份喔?? ...
一般来说最少要30份比较好吧...
像小样本就用 t 检定较正确~
用到回归或是ANOVA之类的会不正确..

我也觉得用30份以上比较妥当 题目6题*5倍=30 这样才能检验效度
本来我也想用t-test 可是没有对照的组 所以改作成GLM,不知这样对不对
再来Total Variance Explained这个表我只知道在Extraction Sums of Squared Loadings栏中
一行代表一个因素 如果说题目假定三个面向(如第一篇述) 而栏中只显现一个因素
可以说这份量表不具有良好的建构效度吗???还是再看其他部分??

下面是引用magaron于2006-01-1 14:25发表的 统计:
Factor   Initial Eigenvalues       Extraction Sums of Squared Loadings
----------------------------------------------------------------------------------------------------------------------          
  Total   % of Variance   Cumulative %   Total   % of Variance   Cumulative %
1   4.199   69.984   69.984   3.892   64.875   64.875
2   .759   12.651   82.635   .......

此部分说的是
您这6题题目，19位受试者
经SPSS软体的Factor analysis后
共归类出一个因素
而此一个因素能对整份量表的解释力为64.875%

不知你有没有顺便跑KMO值
此值可以用来检视此份资料适不适合跑因素分析

且如上面几位大大所提的
您的样本数真的太少噜
且若是要编制问卷
初试的题目也建议您多一点

下面是引用magaron于2006-01-1 14:25发表的 统计:

研究者设计一份人格量表( 采likert五分制记分)共六题
第一、二题测的是外向性 第三、四题测内向性 第五、六题测直率度
.......

这份量表KMO值是.775 Bartlett's Test of Sphericity呈现.sig
我的疑问是 由人格量表中可以分成外向性 内向性 及直率度三部份
因素分析下Total Variance Explained出现一个因素
这个因素是指"人格"吗 还是说代表外向性 内向性 及直率度
那这份量表算具有好的建构效度吗

下面是引用magaron于2006-01-3 14:56发表的 :

这份量表KMO值是.775 Bartlett's Test of Sphericity呈现.sig
我的疑问是 由人格量表中可以分成外向性 内向性 及直率度三部份
因素分析下Total Variance Explained出现一个因素
这个因素是指"人格"吗 还是说代表外向性 内向性 及直率度
.......

因素分析后结果
这19位受试者在这6题题目的表现上
经过因素分析后
电脑将这19笔资料里的六个题目归为一个因素
也就是说这19个人
再这六题题目的表现上
经因素分析后仅分析出一个因素
(也就是说这六题在这19个人身上，测到的东西是属于同一范畴内
此范畴可能是外向、内向、率直，或是大一点的范畴--人格特质(包括了外向、内向、率直...)

但若你这份人格量表，是已经编制完成，且也有好的信效度
而这19这人所跑出来的因素
并不像量表一样有三个因素
而是只跑出一个因素
无法对应上量表原本建构的理论基础(三个因素)
那就没好的建构效度啦
但是但是
您所使用的资料只有19笔(且题目仅6题)
这样的资料基本上已经不太适合跑因素分析了
这样是因为样本数不足而导致没有好的建构效度
并非量表本身没有好的建构效度喔!(或许在样本数加大后，就可以很明显分析出三个因素啦)

因此若您要看其建构效度
建议您再将样本数扩大(19人真的太少噜)

若您是要编制量表的话
6题题目和19位受试者真的是不足够的喔

谢谢你很详细的回答

以下是六题各别的效度

Communalities

    Initial     Extraction
item1     .803     .797
item2     .827     .769
item3     .341     .283
item4     .817     .755
item5     .747     .723
item6     .621     .567
Extraction Method: Principal Axis Factoring.
经由以上资料的推论 是否可以说
也许这些题目有好的效度(第三题除外) 但由于受试者太少(少于30) 所以只能归纳出一个因素
所以必须提高样本数并且修改第三题 才有可能会有比较好的建构效度

另外我还有一个疑问 我用这份资料跑了GLM
Mauchly's W的sig.=0.129
Tests of Within-Subjects Effects是皆不显着所以不需用post hoc
由以上的统计结果可以做什么样的推论?? 是每项特质的差别皆不明显吗..??

下面是引用magaron于2006-01-3 18:59发表的 :
Communalities

  Initial   Extraction
item1   .803   .797
item2   .827   .769
item3   .341   .283
item4   .817   .755
item5   .747   .723
item6   .621   .567
Extraction Method: Principal Axis Factoring
.......

这部分是指
该题目的变异量能被萃取出来的共同因素所解释的比例
若共同性越高，表示该题与其他几题可测到的共同特质越多
也就是说该题再所萃取出来的因素上越有影响力
如你的第一题
而第三题，它只有.283
可能他在此因素上影响力不够(可能跟题目问法有关、样本数...)
应该不是指该题目的效度喔

另外我还有一个疑问 我用这份资料跑了GLM
Mauchly's W的sig.=0.129
Tests of Within-Subjects Effects是皆不显着所以不需用post hoc
由以上的统计结果可以做什么样的推论?? 是每项特质的差别皆不明显吗..??

这部分您的基本假设为何？您所要比较的是什么跟什么？
我不知道您的假设为何，我也无法做推论
但Tests of Within-Subjects Effects是皆不显着
即表示您的对立假设被推翻，得接受虚无假设

但是您这份量表样本应该为独立样本吧
而这样的spss跑法似乎是用在相依样本上的(相依样本单因子变异数分析)
所以..............

下面是引用mickeyaj于2006-01-4 15:40发表的 :

该题目的变异量能被萃取出来的共同因素所解释的比例
若共同性越高，表示该题与其他几题可测到的共同特质越多
也就是说该题再所萃取出来的因素上越有影响力
.......

这里我不是很懂 照理说这里要测的因素应该有三种
这里指萃取出来共同因素所解释的比例是针对这三种来解释吗
不过之前不是发现只找到一个因素

而所谓的建构效度 就如之前所答 由于只分析出一个因素(有可能因为样本数太小或第三题的影响) 所以这问卷的建构效度并不强. 是这样解释吗??

另外第二的问题 因为题目的问法是受试组人格量表的强度为何 这问法有点抽象
我的判断是 一组受试者(19人应该是相依样本吧??)出现三组数据 所以要用GLM来检测 而由于必须接受虚无假设
所以不需要跑post hoc
而ANOVA应该就如前述需要为独立样本才能跑..

下面是引用magaron于2006-01-4 15:57发表的 :

这里我不是很懂 照理说这里要测的因素应该有三种
这里指萃取出来共同因素所解释的比例是针对这三种来解释吗
不过之前不是发现只找到一个因素

.......

这边萃取出来的共同因素是针对资料跑出来的那个因素去解释
而非原先量表建构的三个因素
且您量表本身的理论建构下是分三向特质去建构
也就是说某理论认为人有三种人格特质
我根据此理论去编制一份量表，去进行施测
但施测后结果经因素分析后只得一个因素(特质)
也因此此量表的建构效度不佳

原因可能出在于
1.量表题目所问的并不完全符合此三大特质
如测外向的因素下，编一题题目为"我能按时做完功课"。这样的题目很明显无法测到所要测的特质
这部分基本上由内容效度就能看得出来，但有些资讯还是得经因素分析来看
2.样本数太少
跑因素分析有一些基本的条件
(1)变项需为连续变项
(2)抽样需随机且具一定规模
Comery(1973)建议样本数在200人以下不宜做因素分析，样本数宜大于300。
Gorsuch(1983)建议样本数最少为变项数的5倍，且大于100。
(3)变数间需具一定程度的相关，太高或太低均不好。
可以用球形检定和KMO检定来检验

若施测结果一样得出三个因素
则此量表的建构效度佳

而第二个问题是问
受试组人格量表的强度为何?
(要用何种统计技巧去估计这些样本是不是有较强的人格类型?)
指的是外内、内向、率直是否有差异吗?
还是外内、内向、率直在人格特质上具有影响力?
这题的题目我也看不太懂
不懂他要问什么orz