如何用SPSS做简单的信度分析，以及降维。还有回归分析

总之，首先是信度分析。信度分析是针对量表题的结果，对可靠性的检验。

只需选择分析-标度-可靠性检验，选择针对同一个维度的几个问题，就可以分析了。

要分析的项目可在“统计”一栏进行选择。

标度（也就是信度）显然是必选项（不然分析了个寂寞？）

删除项后的标度也应当选上，根据结果，如果有某题被删去后标度明显上升，说明那道题有问题，可以考虑修改或者删除了。

其他选项看需求选择就好，看起来可以做一些统计性分析什么的，方便快捷捏。

分析的结果中，信度是用克隆巴赫α值衡量的。这个值达到0.8应当就可以认为信度很高了。

然后是降维（可能还附赠效度分析？）一方面，信度分析是效度分析的前提，首先必须有良好的信度，效度分析才有意义。但先做效度分析还可以降维，分析出你的问题实际针对了哪几个维度...普遍理性而言，如果以后真能在实践中用到这些玩意，我会先试试降维。

具体来说..选择分析-降维-因子 就可以愉快的开干了。

将要分析的问题统统拖进变量栏里。

描述一栏里选择KMO球型检验。旋转一栏中，选择最大方差法（一定要选个方法，不然降维了个寂寞）。选项一栏中，可以选择排除小系数，然后选择一个适合的值。（对结果要求越严格，这个值应当越小，反之则可以大一些。如果想让结果具有一丁点儿科学性，这个值再大不应当超过0.5）

旋转后的成分矩阵给出了各个问题的载荷。SPSS对这七个问题分析出了两个维度，认为在维度2上，11、12、13题具有0.886、0.911、0.865的载荷，其他四题则在维度1具有如图所示的载荷。而这两个维度也很好从实际角度去理解：维度1衡量了购买意愿，维度2衡量了信任程度。可以看出，这些问题对衡量这两个维度是较为有效的，说明题出的还可以（效度还不错）。

表中的空白处是被忽略掉的小系数。即是说，同一个问题的得分不仅对一个维度有贡献，对另一个维度也有可能贡献。如果一个问题在维度1下系数和维度2下系数的绝对值都不小，说明这个问题无法很好的区分维度1和维度2，是一个指向不明的问题。

线性回归：选择回归，线型，放好自变量因变量就行力。

结果中自变量显著性小于0.05，说明具有明显的线性相关关系，线型回归是成功的。在这种情况下，其系数就是y=ax+b中的a。