spss，因子分析，问卷信度，效度

一份关于护士对患者安全方面的问卷调查，likert五级评分，问卷维度拟设8个，60个条目，预调查样本量330（因子分析）。现在分析起来遇到了不少问题：
1.缺失值的处理。感觉缺失的样本挺多的，不舍得删，我直接用spss的平均值代替了，应该可以吧
2.分析流程。项目分析，27%上下的t检验，删掉3个，之后想直接做因子分析，发现效果很不好。参考个别书籍后：分析条目与问卷总分的相关，小于0.3的删掉，又删下6个条目。       因子分析（主成分，VARIMAX）KMO值0.83，但是特征值大于1的有14个??!! 前五个符合预设维度，后面的几个无法解释，且维度的a系数仅0.5，也有的是看起来还能解释，但是系数更低了。     这种情况该怎么处理啊（如果我预调查，仅仅做个项目分析，是不是有点浪费样本量了）？ 因子分析前还有什么删除标准吗？分析前要不要考虑预设维度（维度与条目的相关）？。。。。
3.维度的一致性分析。 有条条目筛选标准是删除该条目后a系数升高，则需删除。这是必须的吗（为了简化问卷）？
4.我的问卷设计上会不会存在较大的问题。 反向条目占三分之一，但是因子分析时发现，个别反向条目易聚集（我已经反向转换了）。头都大了。。。


吾非相关专业出身，全靠相关书籍，故整体稍微生疏。

问卷为我毕业课题，问题严重疑惑中，进展遇阻。
恳请能者指教。

[img][/img]

1. 不好。建议应用MVA（缺失值分析，用EM方法替代；最好用多重插补。SPSS 17/18 有此功能了）。
2. 纬度本身与项目题意有密切关系。你拟设8个纬度，是依据理论吗？如果这个没有问题，试试应用平行分析
  （Parallel Analysis) 作为因子取舍的标准。一般来说，用特征值大于1来取舍趋于过度因子化。另外，
  还应当用斜交旋转分析一下，这样对因子解释会有帮助，尤其是你的问卷有很大的理论依据的话。
3. 可以。是否应当取决于题目本身。如果题目是‘非有不可’的，自然留下。
4. 如果反向条目聚集为因子，只要可以解释，没有什么问题呀。

小样本调查采用相关分析、探索性因子分析、内部一致性分析考察问卷的效度和信度，为量表的修订提供依据。首先，使用纠正条目的总相关系数（corrected-item total correlation，CITC，即在同一变量维度下，每一条目与其它所有条目之和的相关系数）净化测量条目，净化前后，分别计算每个分维度所有条目的内在一致性系数cronbach’s α，如果CITC指数低于0.5，且删除后能够改善剩余条目的cronbach’s α系数，则删除这个条目。其次，对每一分维度的剩余条目进行因子分析，以评价剩余条目的单维度性，消除不是纯粹因子的条目。对于理论的原因认为值得保留者，则予以保留，并在大样本研究中进行处理。一旦因子分析的结果显示不止一个因子，就必须删除多余的因子，或者在认可该变量比预先期望的更复杂的维度之间进行选择。最后，分析已确定结构的单维度人际关系量表总的cronbach’s α系数，再次判定某些条目删除的价值，如果量表中所有条目的α系数超过0.70就认为取得了很好的效果。
量表的修订
在考察各变量测量条目相关性的基础上，进行探索性因子分析和cronbach’s α系数分析，力图删除那些低负荷、对α系数消极作用或者低指标相关性的测量条目。基于各维度人际关系分维度的问句设计，首先计算了分维度内各条目的CITC，以及删除某一条目后该分维度剩余条目的α系数（Alpha if Item Deleted）（见表2.1～2.5）。在所有测量条目中，尽管PR6、DR3、CR5、CR7、CR10及CR11的CITC值小于0.5，但删除这些条目，并不改善所在维度α系数，考虑到小样本调查时的抽样误差和这些条目存在对于该维度指标的意义，暂不予删除。

有些启发，观望中。

谢谢下载了

基本不懂，我是新手。

谢谢了·············

学习学习