效度（Validity）即有效性，它是指测量工具或手段能够准确测出所需测量的事物的程度。效度是指所测量到的结果反映所想要考察内容的程度，测量结果与要考察的内容越吻合，则效度越高；反之，则效度越低。

    探索因子分析是为了测量量表的结构效度，是为了判断各个潜变量的测量变量是否具有稳定的一致性和结构，是评价量表效度时最常用的指标，本文对各维度构成进行检验。使用因子分析进行效度分析时，首先要判断是否满足因子分析的条件，一般需要满足两个条件，其一是需要KMO值大于0.7；其二是Bartlett 的球形度检验的显著性小于0.05，若满足这两个条件说明观测变量之间有较强的相关性，适合做因子分析。

    数据说明：

    此处用A1~A10进行分析，分析表格如下所示：

    由效度分析可知，使用KMO 和 Bartlett 检验进行效度验证，从上表可以看出：调查数据的KMO检验值为0.805,大于0.7，说明该问卷适合进行因子分析。Bartlett球度检验结果显示，近似卡方值为287.201,显著性概率为0.0,因此拒绝Bartlett球度检验的零假设，认为量表适合做因子分析，因此效度结构较好。

    以下是对计算结果指标的说明：

    巴特利特球形检验法是以相关系数矩阵为基础的.它的零假设相关系数矩阵是一个单位阵,即相关系数矩阵对角线的所有元素均为1,所有非对角线上的元素均为零.巴特利特球形检验法的统计量是根据相关系数矩阵的行列式得到的.如果该值较大,且其对应的相伴概率值小于指定的显著水平时,拒绝零假设,表明相关系数矩阵不是单位阵,原有变量之间存在相关性,适合进行主成分分析；反之,零假设成立,原有变量之间不存在相关性,数据不适合进行主成分分析。

    近似卡方值是Bartlett球形度检验的统计量，它表示观测数据的协方差矩阵与单位矩阵之间的差异程度。近似卡方值的计算基于样本的大小和协方差矩阵的特征值。如果近似卡方值较大，意味着观测数据的协方差矩阵与单位矩阵之间的差异显著，拒绝原假设。

    df（自由度）是Bartlett球形度检验的自由度，它表示协方差矩阵的自由度。df的计算基于变量的数量。自由度越大，说明样本的大小足够大，可以更准确地进行检验。

    P值是Bartlett球形度检验的显著性水平，它表示观测数据在多元正态性假设下出现当前差异的概率。如果P值小于显著性水平（通常为0.05），则拒绝多元正态性假设，说明观测数据不满足多元正态性假设。

    KMO值（Kaiser-Meyer-Olkin值）是用于评估因子分析或结构方程模型中变量的适用性和样本的合适性的指标。KMO值的范围在0到1之间，越接近1表示变量之间的相关性越高，适合进行因子分析或结构方程模型的建模。

    KMO值的计算基于变量之间的相关性矩阵。它衡量了变量之间的共同度，即它们共同解释了总方差的比例。KMO值越高，表示变量之间的相关性越强，适合进行因子分析或结构方程模型的建模。

关注微信公众号发送【示例数据】获取SPSSMAX练习示例数据。