SPSS进阶指南 | 信效度检验、因子分析与多元统计方法完整教程

这个页面能先帮你做什么

• 问卷数据的信度效度完整检验流程（α系数、KMO、Bartlett）
• 探索性因子分析（EFA）的操作步骤与结果解读
• 方差分析、回归分析与中介效应检验的SPSS实现

问卷数据分析的第一步：信度检验

• 【Cronbach α系数】Analyze > Scale > Reliability Analysis，将量表所有题项加入，输出α值
• 【判断标准】α > 0.8（优秀）、0.7-0.8（可接受）、0.6-0.7（勉强接受）、< 0.6（需修改量表）
• 【CITC（纠正后总体相关系数）】每个题项与总分的相关，低于0.3-0.4的题项应删除或修改
• 【删除某题后的α值】如果删除某题后α值反而上升，说明该题项应删除
• 注意：同一维度下的所有题项一起做信度检验，不是所有量表一起做

效度检验：KMO与Bartlett球形检验

• 【KMO检验】Analyze > Dimension Reduction > Factor Analysis > KMO值；KMO > 0.9（极好）、0.8-0.9（好）、0.7-0.8（一般）、< 0.6（不适合因子分析）
• 【Bartlett球形检验】p值 < 0.05说明变量间存在相关性，适合做因子分析
• 【效度类型】内容效度（专家评审）、聚合效度（EFA因子载荷 > 0.5）、区分效度（不同维度的题项不高度相关）
• 注意：探索性因子分析（EFA）本身就是检验聚合效度和区分效度的过程

探索性因子分析（EFA）的操作步骤

• Step 1：Analyze > Dimension Reduction > Factor Analysis，将所有量表题项加入Variables
• Step 2：Descriptives勾选KMO and Bartlett's test of sphericity
• Step 3：Extraction Method选择Principal Axis Factoring（主轴因子法，比主成分分析更适合因子分析）
• Step 4：Rotation选择Promax（斜交旋转，允许因子间相关）或Varimax（正交旋转）
• Step 5：Options勾选Sorted by size（按载荷大小排序）；输出后检查：每个题项在对应因子上的载荷 > 0.5；不存在跨因子载荷（cross-loading）> 0.4

方差分析（ANOVA）与事后检验

• 【单因素ANOVA】Analyze > Compare Means > One-Way ANOVA；Dependent List放入因变量，Factor放入分组变量
• 【事后检验（Post Hoc）】ANOVA结果显著后（p < 0.05），需做事后两两比较；常用LSD（最不显著差异法，最灵敏）和Bonferroni（最严格）
• 【重复测量ANOVA】同一组样本在多个时间点的测量，Analyze > General Linear Model > Repeated Measures
• 【输出结果】F值、df、p值、η²（效应量）；报告η²：0.01（小）、0.06（中）、0.14（大）

回归分析与中介效应检验的SPSS操作

• 【多元回归】Analyze > Regression > Linear；Dependent放入因变量，Independent(s)放入自变量；输出：R²、F值、β系数、t值、VIF（< 5为多重共线性可接受）
• 【分层回归】用于检验中介效应；第一层放控制变量，第二层放自变量，第三层放中介变量；R²增量显著说明中介效应成立
• 【Sobel检验】可手动计算或使用PROCESS宏（推荐 Hayes 的 PROCESS macro for SPSS）；在SPSS中通过Regression > PROCESSe插件安装
• 【PROCESS宏用法】PROCESS y=Y变量 m=M变量 x=X变量 /y=因变量 /x=自变量 /m=中介变量 /seed=12345 /boot=5000.

常见问题

Cronbach α值多少算合格？是越高越好吗？

α > 0.7 是基本合格线，> 0.8 是优秀。α不是越高越好：超过0.95可能说明量表存在重复题项（两个题项测的是完全相同的内容），反而说明量表区分度不足。同时，还需要结合CITC值（纠正后总体相关系数）来综合判断哪些题项需要修改。

KMO值低于0.6怎么办？

KMO < 0.6说明数据不适合做因子分析。可能原因：(1)样本量太小（建议至少100份）；(2)题项之间相关性太低；(3)量表设计本身有问题。解决思路：先检查样本量，增加到200-300份再测；如果KMO仍然低，可能需要重新考虑量表结构或改用其他统计方法。

EFA和CFA有什么区别？为什么不能只做EFA？

EFA（探索性因子分析）是数据驱动的，用来"发现"因子结构；CFA（验证性因子分析）是理论驱动的，用来"验证"已假设的因子结构。学术论文通常需要先用EFA探索结构，再用CFA验证。SPSS只做EFA，如果你的论文用SPSS做CFA，需要用AMOS、Mplus或R的lavaan包。

用SPSS做中介效应检验，分步回归法和Bootstrap法哪个更好？

Bootstrap法（通过PROCESS宏）比传统的分步回归法更准确。分步回归法（Baron & Kenny三步法）假设中介效应服从正态分布，但间接效应往往不服从正态分布，所以Bootstrap法检验力更高、结果更可靠。如果用Sobel检验（分步回归法），建议同时报告Bootstrap结果作为稳健性检验。

方差分析结果不显著，但回归显著，应该报告哪个？

两个都报告，但解释重点不同。回归分析告诉你变量之间的数量关系，方差分析告诉你分组之间是否存在差异。如果回归显著但ANOVA不显著，可能是控制变量影响了结果，或者分组标准不够敏感。不要只选择对自己有利的那个结果，两个方法从不同角度检验同一问题，应该一起讨论。