关于量表反向计分后出现2个因子的问题

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

收回来的问卷有一个关于领导反应的量表，一半题项为反向计分题项，将量表数据反向处理之后再做因子分析居然出现了两个因子（按道理应该只有一个啊。。），那么问题来了：
1、出现两个因子到底可不可行
2、我将该量表的全部题项加总平均与员工行为之间做多元线性回归（情况A），将量表正向计分量表加总平均与员工行为之间做多元线性回归（情况B），对比发现A情况的显著性相较B要好一点点。想要数据获得比较好的效果这个怎么破。。

跪谢各位大神赐教！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：多元线性回归 线性回归 量表数据 因子分析 计分量

verchiel0809 发表于 2015-12-10 21:14
收回来的问卷有一个关于领导反应的量表，一半题项为反向计分题项，将量表数据反向处理之后再做因子分析居然 ...

因子分析的目的在于对存在严重多重共线性的自变量进行合并降维，你可以诊断下你的量表指标是不是有两组变量存在严重多重共线性，如果有，那么即使得到两个公因子也没问题。

verchiel0809 发表于 2015-12-10 21:14
收回来的问卷有一个关于领导反应的量表，一半题项为反向计分题项，将量表数据反向处理之后再做因子分析居然 ...

第二个问题量表题项加总平均其背后是否有合理的依据呢？这样做潜在的假设是各个量表词条的权重相同，这是一个很强的假设，可能是有问题的。所以，如果要构建多元线性回归模型，采用主成份回归就好的，不建议现在这样人为加总均值处理。

xddlovejiao1314 发表于 2015-12-10 23:58
因子分析的目的在于对存在严重多重共线性的自变量进行合并降维，你可以诊断下你的量表指标是不是有两组变 ...

        1        2        3R        4        5        6        7R        8R        9R        10R        11R
1                                                                                       
2        .477**                                                                               
3R        .142*        -.048                                                                       
4        .462**        .465**        .137*                                                               
5        .445**        .384**        .130*        .547**                                                       
6        .448**        .343**        .194**        .475**        .615**                                               
7R        .265**        .082        .422**        .241**        .347**        .275**                                       
8R        .284**        .061        .392**        .220**        .344**        .279**        .684**                               
9R        .265**        .117*        .431**        .230**        .274**        .313**        .684**        .667**                       
10R        .239**        .148**        .440**        .203**        .297**        .267**        .673**        .662**        .695**               
11R        .224**        .171**        .396**        .208**        .293**        .267**        .640**        .584**        .652**        .667**       
12        .386**        .303**        .141*        .461**        .545**        .445**        .268**        .210**        .206**        .159**        .166**

谢赐教！
查询到诊断量表是否存在严重多重共线性可以用相关系数，做了一个量表的相关系数，但不是太清楚如何诊断，最大的也就.695**，似乎并没有突破绝对值为0.8的界限，不知是否理解清楚了大神所说的方法？或者还存在其他方法检验多重共线性吗？

verchiel0809 发表于 2015-12-11 12:27
1        2        3R        4        5        6        7R        8R        9R        10R        11R
1                                                                                       
2        .477**

变量间相关系数不好诊断是否存在严重多重共线性，建议直接通过线性回归的方式，用VIF、CN等统计量诊断是否存在严重多重共线性。

很多量表可以得出两个因子，例如自尊量表、生活定向量表被认为是单维量表，但实际上因子分析可以得到两个因子，正向和反向计分各一个因子。这个可能是共同方法偏差的问题，可以不用理会，只需要根据量表编制者的计分方法处理，将反向计分题正向化之后计算总分即可。当然，如果需要控制共同方法偏差，则需要考虑结构方差模型。

南南数据 发表于 2015-12-11 18:43
很多量表可以得出两个因子，例如自尊量表、生活定向量表被认为是单维量表，但实际上因子分析可以得到两个因 ...

您好，打扰了，想向您请教一下，我刚好最近涉及到了生活定向量表（6个题项，3个正向计分，3个反向计分），用来衡量气质性乐观，文献中按照1维度（乐观）和2维度（乐观+悲观）处理的都有。
请问：
（1）在因子分析前（EFA或CFA），是否需要先将3个反向计分的题项进行反向编码处理，转换成正向的，即分值越高表示的乐观水平越高；
（2）是否对3个反向计分题先进行反向编码处理，会不会影响到最终的因子分析结果，即3个正向计分+3个反向计分的题项，和6个正向计分的题项分别进行因子分析，得到结果是否一致？？
之前遇到的都是对个别题项反向计分，数据处理的时候先反向编码处理，这个生活定向量表是有潜在的一个维度都是反向计分题，不太清楚应该如何处理比较合适。
谢谢您了。