探索性因素分析概念和範例.PDFVIP

探索性因素分析的概念與範例 梁文敏副教授 中國醫藥大學 公衛系暨環境醫學研究所 探索性因素分析(exploratory factor analysis) 與主成份分析(principle component analysis)皆是透過數學工具來簡化資料 (data reduction)的方法，主成份 分析是利用座標變換技巧用以找出呈現大部份資料的主要概念，且通常是以最少 的概念來呈現資訊，這些經由變換後所獲得的概念足以代表著資料的主要構成成 份，也因此這樣的方法被稱為主成份分析。因素分析與主成份分析主要的不同是 主成份分析只具有數學上資料簡化的涵意，而因素分析則兼具數學上資料簡化過 程，同時架構在心理計量的概念模式及統計理論模式之下。 主成份分析(Principal Component Analysis, PCA) 首先簡單介紹主成份分析的數學概念，假設 X , X ,..., X 代表 p個變數（例 1 2 p 如問卷的題目），此 p個變數分別代表著 p個不同的構面 (construct) ，在這p個 變數中許多變數可能代表同一個構面，因此這 p個變數主要只表現 q個不同的 構面(通常 qp) ，故這些變數可以嘗試予以簡化。主成份分析利用數學上線性代 換的方式將原來X , X ,..., X 變數轉為 C , C ,..., C ，新的C , C ,..., C 分別代 1 2 p 1 2 p 1 2 p 表著由X , X ,..., X所構成的線性組合，公式如下 : 1 2 p C = b X + b X + … b X 1 11 1 12 2 1p p, C = b X + b X + … b X 2 21 1 22 2 2p p, ↓ C = b X + b X + … b X p p1 1 p2 2 pp p. 新的 C , C ,..., C 依其解釋資訊的能力排序，較原有 p個變數更能簡單且有 1 2 p 效率的解釋資料。在應用時常將排列在前面的幾個重要的成份挑選出來例如挑( 出q個成份，qp)用以取代原來 p個構面的意義，以達資料簡化之目的。 探索性因素分析(Exploratory Factor Analysis, EFA) 探索性因素分析(EFA)與主成份分析(PCA)相同之處為兩者皆為一種資料簡 化的方法，但 EFA 不同於PCA處，在於 EFA結合了心理學的理論及統計方法， 它具有特定的理論架構與解釋方式並可搭配路徑圖(path diagram)來表現。一般所 討論的因素分析主要可分為探索性因素分析 (exploratory factor analysis, EFA)與 中國醫藥大學 生物統計中心 驗證性因素分析 (confirmatory factor analysis, CFA) ，其基本架構皆可用路徑圖來 表現，本文只針對探索性因素分析加以討論。 路徑圖（ Path Diagram ） 路徑圖可用以描述因素分析的理論架構 (Figure 1) 。在測量抽象概念時，如 生活品質、幸福感、智商等，我們常假設所測得的結果例問卷調查所得結果(