解释项分析的主要结果

请完成以下步骤来解释项目分析。主要输出包括矩阵图、相关矩阵和 Cronbach Alpha。

步骤 1:评估几对项目之间关系的强度和方向

使用矩阵图和相关矩阵可评估两个项目或变量之间关系的强度和方向。较高的正相关值表明这些项目度量同一技能或特征。如果这些项目并非高度相关,则可能度量不同特征或可能未明确定义。

通常,相关值大于 0.7 的变量被视为高度相关。但是,要使用的适当基准值还取决于您主题区域中的标准和分析中的项目数。

相关矩阵 第 1 项 第 2 项 第 2 项 0.903 第 3 项 0.867 0.864 单元格内容: Pearson 相关系数
主要结果:相关矩阵、矩阵图

在这些结果中,所有项目都彼此高度相关。项目 1 和项目 2 存在正线性相关,即 0.903。项目 1 和项目 3 存在正线性相关,即 0.867。项目 2 和项目 3 存在正线性相关,即 0.864。这些成对的线性关系显示在矩阵图中。

步骤 2:评估总体内部一致性

使用 Cronbach Alpha 可评估调查或检验中的多个项目评估同一技能或特征的一致性程度。Cronbach Alpha 的值越高,表示内部一致性越高。常用值为基准值 0.7。通常,如果 Cronbach Alpha 大于 0.7,则您证明调查或检验项目度量同一技能或特征。如果 Cronbach Alpha 低于 0.7,则这些项目可能无法一致地度量单个技能或特征。但是,要使用的适当基准值还取决于您主题区域中的标准和分析中的项目数。

有关内部一致性的更多信息,请转至什么是内部一致性?

Cronbach Alpha Alpha 0.9550
主要结果:Cronbach Alpha

在这些结果中,总体 Cronbach Alpha 为 0.955。该值大于常用基准值 0.7,表明这些项目度量的是同一特征。

步骤 3:确定是否要忽略项目以提高一致性

使用“被忽略的项目统计量”表中的计算值可确定从检验或调查中删除某项目后能否大幅提高内部一致性。如果被忽略的项目具有较低的多重相关平方值、较低的项目调整总相关值和明显更高的 Cronbach Alpha 值,则您可以考虑从调查或检验中删除该项目以提高内部一致性。

被忽略的项目统计量 调整总 调整合计 项目调整 多重相 Cronbach 省略的变量 均值 标准差 总相关 关平方 Alpha 第 1 项 5.780 2.613 0.9166 0.8447 0.9268 第 2 项 6.100 2.525 0.9134 0.8413 0.9277 第 3 项 6.000 2.563 0.8870 0.7869 0.9476
主要结果:项目调整总相关、多重相关平方、Cronbach Alpha

在这些结果中,所有项目的项目调整总相关和多重相关值平方值一致较高。所有被忽略项目的 Cronbach Alpha 也一致。因此,证明所有项目度量同一特征。删除某个项目不会大幅提高内部一致性。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策