首先分析KMO值效度分析用于研究問卷量表數據的設計合理性。首先，我們需要分析KMO值。如果KMO值高于0.8，說明效度高；如果KMO值介于0.7~0.8之間，說明效度較好；如果KMO值介于0.6~0.

首先分析KMO值

效度分析用于研究問卷量表數據的設計合理性。首先，我們需要分析KMO值。如果KMO值高于0.8，說明效度高；如果KMO值介于0.7~0.8之間，說明效度較好；如果KMO值介于0.6~0.7之間，說明效度可接受；如果KMO值小于0.6，說明效度不佳（如果僅兩個題，則KMO無論如何均為0.5）。

接著分析題項與因子的對應關系

第二步是分析題項與因子的對應關系。如果對應關系與研究心理預期基本一致，則說明效度良好。

處理效度不佳的情況

如果效度不佳，或者因子與題項對應關系與預期嚴重不符，或者某分析項對應的共同度值低于0.4（有時以0.5為標準），則可考慮對題項進行刪除。

刪除題項的常見標準

刪除題項時有兩個常見標準：一是共同度值低于0.4（有時以0.5為標準），二是分析項與因子對應關系出現嚴重偏差。

循環(huán)進行分析直到達到良好效度

重復上述1~4共4個步驟，直至KMO達到標準，并且題項與因子對應關系與預期基本吻合，最終說明效度良好。

對分析進行總結

最后，對分析進行總結。上傳自己的數據到SPSS中，點擊【問卷研究】->【效度】，將分析項（量表題項）放入分析框中，然后設置維度數量并開始分析。分析結果中最關鍵的是兩個表格，分別是KMO值表格和載荷系數loading值表格等?？梢灾苯訉敵龅奈淖址治霾榭粗笜?。如果使用KMO值分析效度時，KMO值大于0.8，則研究數據效度非常好。