类别因素分析.PDFVIP

類別因素分析、潛在類別分析與因素混合分析之應用：以國中生學業困擾為例 摘要 1 壹、緒論 在社會行為科學及相關研究領域裡，研究人員所探討的母群體通常包含了多 個次群體，而次群體間通常存在著一定的異質性（heterogeneity）。傳統多變量分 析(multivariate analysis)不特別處理異質性的議題，故假設次群體間彼此具有同質 性(homogeneous)。當資料違反同質性假設時，傳統多變量分析將產生偏誤的估 計參數，故次群體間異質性議題不容被忽視。雖然研究人員可以針對其研究議題 事前操弄次群體間異質性的來源 (例如實驗組與控制組)，或藉由外顯特質(例如 性別)而加以控制。但更多時候研究人員對群體間異質性事前未知也無法直接觀 察。當異質性來自可觀察或是事前界定之不同群體時，我們稱這類族群為組別 (group) ，探討可觀察組別異質性通常使用多組別分析模式(multiple group analysis)。而當異質性來自不可觀察之族群時，我們稱這些族群為類別(class)， 探討類別間之異質性通常使用潛在類別模式(latent class analysis，LCA) 。 Bartholomew 與 Knott(1999)針對觀察與潛在變項的連續性與間斷性特質做成一 個二乘二的分類表(參見表 1)，當觀察變項與潛在變項都是連續變項時，統計分 析模式為共同因素分析(common factor analysis，FA)；相對的，若二變項皆為類 別變項時，則適用潛在類別分析模式(LCA)。如果觀察變項為連續，而潛在變項 為類別，則適合使用潛在剖面分析模式(latent profile analysis，LPA)；最後，如果 潛在變項為連續，觀察變項為類別時，則使用潛在特質分析或項目反應理論(latent trait analysis/item response theory，LTA/IRT)。針對各模式優缺點比較超過本文範 圍，礙於篇幅限制，讀者可以逕行參考相關文獻做進一步了解（Bartholomew Knott, 1999; Heinen, 1996; Langenheine Rost, 1998）。本文因為採用實徵二元資 料作為示範分析，故將著重介紹潛在類別分析與潛在特質分析兩種方法上。 表1 不同量尺的潛在變項與測量變項間的分析方法 潛在變項 測量變項 連續量尺 類別量尺 共同因素分析 潛在剖面分析 連續量尺 (Common Factor Analysis) (Latent Profile Analysis) 潛在特質分析 潛在類別分析 類別量尺 (Latent Trait Analysis) (Latent Class Analysis) 觀察變項的連續與類別特質通常直接反映在受試者填答的資料格式上，而潛 在變項的連續與類別特質則反應在理論層次上。當研究人員相信潛在變項(eta) 具備連續性時意涵著此一潛在變項具有量化(quantitative)屬性，受試者在此一特 質上有強弱之分。例如，認知學習能力等。相對的，當研究人員假定其探討之潛 在變項具備類別性時，則意涵著潛在變項具有質化(qualitative)屬性，受試者在此 一特質上有種類之分。例如學習障礙之臨床診斷。然而近代學者認為，個體在精 神異常之臨床診斷可以有質性的區別也可以有量化的程度上區別( Hicks, Krueger, Iacono, McGue,