变数之变异数σij.PPT

第12章　因素分析 　　1. 因素分析的主要概念及目的 　　2. 主成份分析與一般因素分析之差異 　　3. 因素分析轉軸的概念 　　4. 決定因素萃取的個數 　　5. 如何對因素作命名 　　6. 因素得點的作用及計算 12.1 因素分析的概念 因素分析( factor analysis )屬於多變量分析方法中相依分析方法 ( analysis of interdependence ) 的其中一種技術。 　　 目的是將彼此相關的變數，轉化成為少數有概念化意義的因素。 12.3 因素分析的理論架構 因素分析理論假定個體在變數上之得點，係由二個部分組成，一個是各變數共有的成分，即共同因素(common factor; f i)，另一個是各變數所獨有的成分，即獨特因素(unique factor; ?i)。 12.4 進行因素分析前資料的檢視 1. 檢視資料的相關係數矩陣，相關係數須顯著的大於0.3 2. Bartlett的球型檢定(Bartlett test of sphericity)，此種 統計檢定主要是用來檢定變數間的相關係數是否顯著 3. 凱莎(kaiser)的MSA(measure of sampling adequacy) 判斷準則，其值介於0到1之間，MSA＜0.5，表示資料不 適合做因素分析。 三、導出因素並評估整體的適合度 　1. 萃取因素的方法：主要有一般因素分析法與主 成份分析法兩種，選擇何種則視研究者的目標 而定。 　2. 因素個數的選擇：在選擇因素的個數上，主要 是以尋求該因素的特徵值(eigenvalue)大於1作 為取決的標準，只有在因素特徵值大於1的情況 下才選擇使用。 四、因素的解釋 －直交轉軸法（orthogonal rotation） ＊最大變異法（varimax） ＊四方最大法（quartimax） －斜交轉軸法（oblique rotation） 五、選擇因素之標準 1. 因素之特徵值(eigenvalue)須大於1。 2. 最大變異數轉軸法(varimax)旋轉以後，取因素負荷量(factor loading)絕對值大於0.6者。 3. 兩因素負荷量差大於0.3者。 4. 共同性(communality)須大於0.5。 5. 分項對總項(item to total)相關係數大於0.5，且顯著者。 六、因素命名 以因素負荷值最大的作為優先命名，即因素負荷量最大的變數，其內容必須包含在該因素之內。 七、因素分析結果的應用 基於應用因素分析的目的，若研究者的目標只是要想要取得變數間所具有的隠含結構，以瞭解這些變數間的關係，則因素分析可能已滿足其研究所需。但若其目的是要從很多研究變數中萃取出適當的因素，以進行其他統計分析。 1. 代理變數(surrogate variable)： 在直交轉軸法下，檢視因素負荷矩陣，從中挑選出因素 負荷量最高的變數，做為該特定因素的代理變數。 2. 合成指標(summated scales)： 產生合成指標或合成變數取代原始變數 3. 因素得點(factor scores)： 針對每一筆資料，可以估算其個別因素之得點分數，因 素得點之計算係透過因素權重所形成的迴歸式來完成， 所計算出來的因素得點是經過標準化而成。 12.6 因素之信度分析 內部一致性之衡量，可由 Cronbach’s coefficient alpha 來判定，該α值的算法為： 式中 　　　K：變數之數目 　　 　　σi2 ：變數之變異數 　　　　　σij：變數與另一變數之共變數 分項對總項的相關係數，該值通常須大於0.5。 12.6 因素之內部一致性分析 12.6 因素之信度分析 另外一種表示信度值的方法是衡量分項對總項的相關係數 ( item-to-total correlations ） 其計算原理乃是建立一新變數，而此變數是由各變數加總而來稱為總和變數，然後計算各變數與此一總和變數的相關係數，以此作為另一種衡量內部一致性之用，該值通常須大於 0.5。 企業研究方法 第 12 章* * ? 本章的學習主題 ? 12.2 因素分析的目的 　因素分析的兩個主要目的： －減少變數 (data reduction) －歸納變數 (summarization) 圖 12-1 因素分析路徑圖 f1 f2 ε4 ε3 ε2 ε1 x1 x4 x2 x3 12.5 因素分析的使用 一、確立分析的目標 二、設計因素分析