测量特征：相关与信度
R 中的因子分析
Jennifer Brussow
Psychometrician
相关
lowerCor(gcbs)
lowerCor(gcbs)
Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 ...
Q1 1.00
Q2 0.53 1.00
Q3 0.36 0.40 1.00
Q4 0.52 0.53 0.50 1.00
Q5 0.48 0.46 0.40 0.57 1.00
Q6 0.63 0.55 0.40 0.61 0.50 1.00
Q7 0.47 0.67 0.42 0.57 0.45 0.54 1.00
Q8 0.39 0.38 0.78 0.49 0.41 0.41 0.41 1.00
Q9 0.42 0.49 0.49 0.56 0.46 0.48 0.53 0.48 1.00
Q10 0.44 0.38 0.32 0.40 0.43 0.41 0.39 0.36 0.37 1.00
...
检验相关的显著性：p 值
corr.test(gcbs, use = "pairwise.complete.obs")$p
Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 Q11 Q12 Q13 Q14 Q15
Q1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Q2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Q3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Q4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Q5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
...
Q11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Q12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Q13 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Q14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Q15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
检验相关的显著性：置信区间
corr.test(gcbs, use = "pairwise.complete.obs")$ci
lower r upper p
Q1-Q2 0.4970162 0.5259992 0.5538098 0
Q1-Q3 0.3206223 0.3553928 0.3892067 0
Q1-Q4 0.4953852 0.5244323 0.5523079 0
Q1-Q5 0.4503342 0.4810747 0.5106759 0
...
Q1-Q11 0.6199265 0.6435136 0.6659388 0
Q1-Q12 0.4932727 0.5224025 0.5503620 0
Q1-Q13 0.3464313 0.3805006 0.4135673 0
Q1-Q14 0.5059498 0.5345780 0.5620298 0
Q1-Q15 0.4753633 0.5051815 0.5338405 0
...
系数 alpha
alpha(gcbs)
信度分析
Call: alpha(x = gcbs)
raw_alpha std.alpha G6(smc) average_r S/N ase mean sd
0.93 0.93 0.94 0.48 14 0.002 2.9 1
下界 alpha 上界 95% 置信区间
0.93 0.93 0.94
系数 alpha
alpha(gcbs)
删除某题时的信度：
raw_alpha std.alpha G6(smc) average_r S/N alpha se
Q1 0.93 0.93 0.94 0.49 13 0.0021
Q2 0.93 0.93 0.94 0.48 13 0.0021
Q3 0.93 0.93 0.94 0.49 13 0.0020
Q4 0.93 0.93 0.94 0.47 13 0.0022
Q5 0.93 0.93 0.94 0.48 13 0.0021
...
Q11 0.93 0.93 0.94 0.48 13 0.0021
Q12 0.93 0.93 0.94 0.47 13 0.0022
Q13 0.93 0.93 0.94 0.48 13 0.0021
Q14 0.93 0.93 0.94 0.48 13 0.0021
Q15 0.93 0.93 0.94 0.49 14 0.0020
半分信度
splitHalf(gcbs)
半分信度
Call: splitHalf(r = gcbs)
最大半分信度（lambda 4） = 0.95
Guttman lambda 6 = 0.94
平均半分信度 = 0.93
Guttman lambda 3（alpha） = 0.93
最小半分信度（beta） = 0.86
Passons à la pratique !
R 中的因子分析
