（1）分析——降维——因子

（3）点击描述——勾选“初始解”——勾选“系数”——勾选“KMO和巴特利特球形度检验”——点击“继续”

图4

利用SPSS“转换——计算变量”输入文中对应公式即可计算得到。

利用SPSS“转换——计算变量”输入文中对应公式即可计算得到。

（10 ）T分数转换

同样利用SPSS“转换——计算变量”，计算新的排名K1=60+10*K，让spss软件利用K产生一组0-100分的数据，然后对其划分区间分析即可。这里60位新数据的均值，10位标准差的近似值。

表格 1 相关性矩阵结果

变量相关性矩阵（见表格1），对于主成分分析而言，变量间相关性越高，越适合主成分提取，此处大致看看就可，不是主要判定结果。

表格 2 KMO和巴特利特检验

由表格2可以看出KMO=0.897，巴特利特球形度检验P=0.0000.5,P

由碎石图可以看出，越高的点，其势能越大，对于研究而言就越重要，第一个因子的特征值最高，对解释原有的题项的贡献最大，第三个以后的特征值都较小，对解释原有的题项的贡献小，可以忽略，因此提取三个因子是比较适合。

表5 旋转后的成分矩阵

由表五可知，第一成分有组成认知1、认知2、认知3、认知4和认知5，且位于第一个因子，有较高的载荷，将其解释为认知。

第二成分由情感1、情感2、情感3、情感4和情感五组成，第二个因子主要解释这几个题项，解释为情感。

表 6 成分得分系数矩阵

由表6可知，得到、公因子的得分表达式为：

其中、分别为认知、情感。

利用因子得分与特征值（sqrt）计算主成分得分，计算公式为：

计算得到部分数据见表。

表7 主成分得分

在计算综合得分之前，需计算综合排名指数得分（K），以主成分的特征值作为权重，然后计算加权均值，计算公式如下：

利用SPSS26.0软件计算得到表9。

表8 综合排名指数得分（K）

因为主成分分析是对数据进行标准化后分析，出现部分负值，不美观，考虑将其进行T分数转化。转化后得分见表9。

表 9 T分数转化得分

T分数转化后，得到的综合得分位于0-100之间，将其划分为四个等级优秀、良好、及格和不及格。对应的分数为：优秀：大于等于80分；良好：大于等于70分小于80分；及格：大于等于60分小于70分；不及格：为小于60分。整理T分数转化后得分得到表10。

表 10 综合得分等级占比

参考资料：武松，SPSS实战与统计思维，清华大学出版社