“用Jamovi进行探索性因素分析”的版本间的差异

来自OBHRM百科
跳转至： 导航、 搜索
第15行： 第15行：
  
 
7、根据需要调整其他参数。</pre>
 
7、根据需要调整其他参数。</pre>
 +
 +
===操作步骤图解===
 +
 +
1、打开Jamovi与相应的数据文件。
 +
 +
以learning statistics with jamovi中的bfi_sample数据为例（如需使用该数据，请通过[[Jamovi模块安装|Modules安装]]安装learning statistics with jamovi），该数据包括250人（记录数显示为2719人，实际只有250人的数据）的大五人格、性别与年龄数据。其中的A1-A5为亲和性（Agreeableness）的第1道题-第5道题；C1-C5为责任心（Conscientiousness）的第1道题-第5道题；E1-E5为外倾性（Extraversion）的第1道题-第5道题；N1-N5为情绪稳定性（Neuroticism）的第1道题-第5道题；O1-O5为开明性（Openness）的第1道题-第5道题；age为年龄；gender为性别。打开之后的界面如下：
 +
 +
[[文件:OpenDataForReliability.jpg|600px ]]
 +
 +
 +
2、从Jamovi的菜单，依次选择：Analyses——Factor——Exploratory Factor Analysis。
 +
 +
[[文件:JamoviEXP1Result1.png|600px ]]
 +
 +
 +
3、从左边的变量列表中，将需要进行因素分析的变量移到右边的变量框。
 +
 +
<b><font color="blue">如选择A1-A5进行因素分析：</font></b>
 +
 +
[[文件:JamoviEXP1Result2.png|600px ]]
 +
 +
 +
4、在Number of Factors下面单选Based on eigenvalue，并在Eigenvalues greater than后面的框中输入：1
 +
 +
[[文件:JamoviEXP1Result3.png|600px ]]
 +
 +
 +
5、在Factor Loadings下面的Hide Loadings below框输入：0.35（或0.40）。复选Factor Loadings的Sort loadings by size。
 +
 +
[[文件:JamoviEXP1Result4.png|600px ]]
 +
 +
 +
6、得到结果。
 +
 +
注意：从下图的结果可以看出，A1为反向计分，因此为负载荷，在实际操作中，需要先对A1进行转换。
 +
 +
[[文件:JamoviEXP1Result5.png|600px ]]
 +
 +
 +
7、根据需要调整其他参数。
 +
 +
如复选KMO检验：
 +
 +
[[文件:JamoviEXP1Result6.png|600px ]]
 +
  
 
==<span id="efavarimax"></span>正交旋转==
 
==<span id="efavarimax"></span>正交旋转==
 
===菜单操作===
 
===菜单操作===
 
<pre>1、打开Jamovi与相应的数据文件。
 
<pre>1、打开Jamovi与相应的数据文件。
 +
  
 
2、从Jamovi的菜单，依次选择：Analyses——Factor——Exploratory Factor Analysis。
 
2、从Jamovi的菜单，依次选择：Analyses——Factor——Exploratory Factor Analysis。
 +
 +
  
 
3、从左边的变量列表中，将需要进行因素分析的变量移到右边的变量框。
 
3、从左边的变量列表中，将需要进行因素分析的变量移到右边的变量框。
 +
 +
  
 
4、从Method下面的Rotation选择：Varimax。
 
4、从Method下面的Rotation选择：Varimax。

2020年3月31日 (二) 16:23的版本

不旋转

如果要进行Harman单因素检验（Harman's single factor test），这时应该采用的就是不旋转的单因素EFA。

菜单操作

1、打开Jamovi与相应的数据文件。

2、从Jamovi的菜单，依次选择：Analyses——Factor——Exploratory Factor Analysis。

3、从左边的变量列表中，将需要进行因素分析的变量移到右边的变量框。

4、在Number of Factors下面单选Based on eigenvalue，并在Eigenvalues greater than后面的框中输入：1

5、在Factor Loadings下面的Hide Loadings below框输入：0.35（或0.40）。复选Factor Loadings的Sort loadings by size。

6、得到结果。

7、根据需要调整其他参数。

操作步骤图解

1、打开Jamovi与相应的数据文件。

以learning statistics with jamovi中的bfi_sample数据为例（如需使用该数据，请通过Modules安装安装learning statistics with jamovi），该数据包括250人（记录数显示为2719人，实际只有250人的数据）的大五人格、性别与年龄数据。其中的A1-A5为亲和性（Agreeableness）的第1道题-第5道题；C1-C5为责任心（Conscientiousness）的第1道题-第5道题；E1-E5为外倾性（Extraversion）的第1道题-第5道题；N1-N5为情绪稳定性（Neuroticism）的第1道题-第5道题；O1-O5为开明性（Openness）的第1道题-第5道题；age为年龄；gender为性别。打开之后的界面如下：

OpenDataForReliability.jpg


2、从Jamovi的菜单，依次选择：Analyses——Factor——Exploratory Factor Analysis。

JamoviEXP1Result1.png


3、从左边的变量列表中，将需要进行因素分析的变量移到右边的变量框。

如选择A1-A5进行因素分析：

JamoviEXP1Result2.png


4、在Number of Factors下面单选Based on eigenvalue，并在Eigenvalues greater than后面的框中输入：1

JamoviEXP1Result3.png


5、在Factor Loadings下面的Hide Loadings below框输入：0.35（或0.40）。复选Factor Loadings的Sort loadings by size。

JamoviEXP1Result4.png


6、得到结果。

注意：从下图的结果可以看出，A1为反向计分，因此为负载荷，在实际操作中，需要先对A1进行转换。

JamoviEXP1Result5.png


7、根据需要调整其他参数。

如复选KMO检验：

JamoviEXP1Result6.png


正交旋转

菜单操作

1、打开Jamovi与相应的数据文件。


2、从Jamovi的菜单，依次选择：Analyses——Factor——Exploratory Factor Analysis。



3、从左边的变量列表中，将需要进行因素分析的变量移到右边的变量框。



4、从Method下面的Rotation选择：Varimax。

5、在Number of Factors下面单选Based on eigenvalue，并在Eigenvalues greater than后面的框中输入：1

6、在Factor Loadings下面的Hide Loadings below框输入：0.35（或0.40）。复选Factor Loadings的Sort loadings by size。

7、得到结果。

8、根据需要调整其他参数。

斜交旋转

菜单操作

1、打开Jamovi与相应的数据文件。

2、从Jamovi的菜单，依次选择：Analyses——Factor——Exploratory Factor Analysis。

3、从左边的变量列表中，将需要进行因素分析的变量移到右边的变量框。

4、从Method下面的Rotation选择：Oblimin。

5、在Number of Factors下面单选Based on eigenvalue，并在Eigenvalues greater than后面的框中输入：1

6、在Factor Loadings下面的Hide Loadings below框输入：0.35（或0.40）。复选Factor Loadings的Sort loadings by size。

7、得到结果。

8、根据需要调整其他参数。
取自“http://www.obhrm.net/index.php?title=用Jamovi进行探索性因素分析&oldid=7307”