数量分析方法讲纲单元15因素分析.pptVIP

數量分析方法講綱：單元15因素分析 國立中山大學公共事務管理研究所碩士在職專班「應用統計專題」課程講義 prepared by Dr. F. Y. Kuan 1.問卷調查研究設計簡介??2.問卷資料分析~項目分析與信效度檢驗???3.問卷資料分析~因素分析4.因果關係分析~結構方程模式分析 李子奇 助理教授 高雄醫學大學 公共衛生學系 內容大綱?3.問卷資料分析~因素分析4.因果關係分析~結構方程模式分析  問卷的量化分析 因素分析 結構方程模式分析 SPSS範例實作 因素分析 Factor analysis 基本概念 為了要證實研究者所設計之測驗(量表)的確在測某一潛在特質(因素)，並釐清潛在特質的內在結構，能夠將一群具有共同特性的測量分數，抽離出背後潛在構念的統計分析技術，即為因素分析(factor analysis)。 主要的功能 用來協助測驗編製。進行項目分析，檢驗試題的優劣好壞。同時可以針對每一個題目的獨特性進行精密的測量，比較各題的重要性。 進行效度的驗證。利用一組題目與心理構念間關係的討論，研究者得以提出計量的證據，探討潛在特質的因素結構與存在的形式，建立量表的因素效度(factorial validity)。 簡化測量的內容。研究者可以根據每一個因素的主要概念，選用最具有代表性的題目來測量特質，以最少的題項，進行最直接適切的測量，減少受測者作答時間，減少疲勞效果與填答抗拒。 因素與共變結構 構念或「因素」(factor)隱含在許多現實可觀察的事物背後，雖然難以直接測量，但是可以從複雜的外在現象中計算、估計、或抽取得到。 其數學原理是共變(covariance)的抽取。而受到同一個構念影響的測量分數，共同相關的部份，就是構念所在的部份。構念則是由被稱為「因素」的共同相關部份的得分來表示。 例子 以九個變數為例子，在九個變數中，可能某幾個變數在表面上看來即很相似，亦即其彼此間之相關係數較高。 而事實上會影響這些變數觀察值結果的很可能是其背後看不到的某些共同原因所造成的。因此我們知道，可藉著因素分析法，由九個彼此相關的變數中萃取出其背後真正影響結果的三個主要因素： （X1, X2, X3, X4, X5, X6, X7, X8, X9）→（F1, F2, F3） 探索性與驗證性因素分析 探索性因素分析(exploratory factor analysis；EFA)：對於觀察變項因素結構的找尋，並未有任何事前的預設假定，逕由因素分析的程序去決定。 探索性與驗證性因素分析 驗證性因素分析(confirmatory factor analysis；CFA)： 觀察變項因素結構已發展成熟，或根據理論產生因素結構，研究者利用所得的資料來配適此因素結構，以配適度結果進行驗證性的評估。 因素分析的條件 因素分析的變項都必須是連續變項。順序與類別變項不得使用因素分析簡化結構。 抽樣的過程必須具有隨機性，並具有一定的規模。如果研究的母群據有相當的同質性（如學生樣本），變項數目不多，樣本數可以介於100到200之間。 變數之間需具有一定程度的相關，一群相關太高或太低的變項，皆會造成執行因素分析的困難。太低的相關難以抽取一組穩定的因素，不適於進行因素分析。相關太高的變項太多，所獲得的因素結構價值不高。 因素分析的數學原理：相關矩陣 因素分析的基礎是變項之間的相關。因此應先計算數個題目的兩兩相關，詳細檢視該矩陣所代表的意義。 檢驗相關係數是否適當的方法： 1.Bartlett’s test of sphericity（球形考驗）: 一般相關矩陣中的相關係數必須顯著的高於0。某一群題目兩兩之間有高相關，顯示可能存有一個因素，多個群落代表多個因素。如果相關係數都偏低且接近，則因素的抽取越不容易，Bartlett’s test of sphericity（球形考驗）即可用來檢驗是否這些相關係數不同且大於0，顯著的球形考驗表示相關係數足以作為因素分析抽取因素之用。 因素分析的數學原理：相關矩陣 2.淨相關矩陣： 　 變項之間是否具有高度關聯，可以從偏低的淨相關(partial correlation)來判斷。因素分析計算過程中，可以得到一個反映像矩陣，呈現出淨相關的大小，該矩陣中，若有多數係數偏高，則應放棄使用因素分析。 3.檢查共同性指數(communality) 某一變項與其他所有的變項的複相關係數的平方，得到的數值稱為共同性，表示該變項的變異量被共同因素解釋的比例，其計算方式為在一變項上各因素負荷量平方值的總和。變項的共同性愈高，因素分析的結果就愈理想。 因素的抽取(factor extraction) 主成份抽取法(principle component ana