2、有效性分析

在上一部分指标归类分析后，有效性分析将继续重复此部分，有效性分析目的在于说明研究量表具有有效性，即题项可以有效的表达变量概念信息。事实上指标归类分析已经完成，肯定每个变量与题项之间有着良好的对应关系，也即说明研究量表肯定有效，因而此部分仅是重复，将表格整理规范，在进行文字描述分析时，倾重于量表有效性的说明，而非提取因子或者权重指标构建。有时可以放弃此部分。

3、因子分析法指标权重构建

完成探索性因子分析提取因子功能，并且对研究量表进行信效度分析后，就是进行量表权重计算。指标权重构建通常包括四个步骤，分别是：因子提取、因子权重计算、因子表达式和综合得分计算等。

资料来源：SPSSAU帮助手册

第一步为探索性因子分析。

使用探索性因子分析的“探索因子”功能时，应该设置因子得分系数阵输出（SPSSAU可直接输出不需要额外设置）此表格的输出会帮助我们构建因子与题项的关系表达式。另外，如果需要计算综合评价得分，则应该设置保存因子得分，因子得分设置目的在于生成各因子得分数据，并且为后续进行综合得分做好准备。

SPSSAU中，需要勾选“因子得分”选项

第二步为因子权重计算。

完成上一步探索性因子分析后，会生成“方差解释率”表格。如下表所示。

SPSSAU：方差解释率表格

上表格针对因子提取情况，以及因子提取信息量情况进行分析，从上表可知：因子分析一共提取出4个因子，此4个因子旋转后的方差解释率分别是22.300%,21.862%,18.051%,10.931%，旋转后累积方差解释率为73.145%。即此例中四个因子共提取出题项73.145%信息量。

第三步为因子表达式。

上一步骤已经完成因子的权重计算，此步骤在于生成因子与题项之间的关系表达式，并且可以直观分析题项对于因子的重要程度。此部分因子表达式的生成需要结合“因子得分系数阵”进行，“因子得分系数阵”SPSSAU会自动生成，如下表所示。

SPSSAU：成份得分系数矩阵表

上表格为“成份得分系数矩阵”，也称因子得分系数阵。此表格生成目的是建立因子与题项表达式。以及上表格的阅读是按列进行。

SPSSAU智能分析结果

上述为四个因子分别与所有题项的线性关系表达式。研究者可以从上述表达中看出题项与因子的关系程度，比如明显B4这一题项与因子1最为紧密(系数为0.435)。

第四步为综合得分计算。

此步骤为可选项，如果研究者没有相关需要，则省略此步骤。此步骤研究在问卷研究中使用相对较少，如果为企业财务数据，则可能会有企业综合竞争力排名问题，综合竞争力情况的大小则由综合得分表示，综合得分值越高，说明企业综合竞争力越高，反之综合得分越低，则说明企业综合竞争力越低。但针对问卷来讲，填写问卷的样本为个体，并没有个体综合竞争力高低之说，因而无意义。实际意义上讲综合得分确实可以表达整体情况，并且分值高低具有对比意义，因而可以使用综合得分作为因变量Y，研究其它自变量X对于综合得分的影响关系。

资料来源：SPSSAU帮助手册

此方法是使用探索性因子分析完成指标权重计算。在实际研究中，通常会结合其他分析方法，比如主观赋权法（AHP层次分析法），或者客观赋权法（熵值法）进行权重计算，亦或是在主观赋权法和客观赋权法基础上，结合组合赋值法完成最终权重计算。返回搜狐，查看更多