探索性因素分析explorativefactoranalysis因素分析可分为验证性.DOCVIP

探索性因素分析(explorative factor analysis) 因素分析可分為驗證性因素分析和探索性因素分析。驗證性因素分析主要目的是利用樣本來驗證已有的理論，這些已有的理論可包含質性研究(如個案研究)，而質性研究是利用田野調查或深入訪談等等歸納發現，並整理成提議或假設的理論這理論包含許多構念(constructs)，而每個構念又含許多具體的題項(或稱為指標變數)，驗證性因素分析是利用新的樣本來驗證這個假設的理論是否無法被拒絕。另外，驗證性因素分析也可驗證其他已驗證過的理論在不同時間點、不同族群、或不同領域等等是否一樣也成立。 在探索性因素分析裡，雖然在一般情形下，假設所有的題項涵蓋了潛在的因素，但是不確定哪些題項是屬於哪個因素，且因素個數也不確定。另外，探索性因素分析也可當作驗證性因素分析的前測分析，此時因素個數是已確定，利用探索性因素分析的結果檢查理論是否可被支持，若是，則再進一步利用驗證性因素分析驗證理論為真的假設是否無法被拒絕，以下的探討是針對探索性因素分析。 一、因素分析的目的 探索性因素分析的一般目的可做為資料的縮影(summarize)和資料的縮減(reduction)：在資料縮影的目的下，因素分析希望將原始許多變數所含的資訊，在損失少量的資訊下，將剩餘的資訊濃縮在少數潛在的維度。當瞭解了這些潛在的維度後，我們就可不必使用原始所有變數來描述資料，而是用較少數的構念(或因素)來描述資料。而資料縮減則延續了資料縮影的過程，藉由導出每個維度的因素數值來取代原始變數值，來達成資料縮減的目的。 二、執行因素分析的要件 通常輸入的變數為定量變數，這些定量變數的測量單位可以不同。 (2) 計算輸入變數的相關矩陣：主對角線的位置皆為1，非主對角線的位置之數 值為兩個對應的變數之相關係數。 (3) 樣本大小：最低的要求是一個變數要有5個觀察值，理想上一個變數至少要 有10個觀察值，這樣才不會使得因素分析的結果只應用於這個個別的樣本。 因此，若輸入30個變數，則最低的要求是要有150個觀察值，理想上是至 少要有300個觀察值。 三、因素分析的假設 因素分析的基本假設是原始輸入的變數存在一些少量潛在的結構。因此，因素分析的執行是否可行，需仰賴於變數之間是否具有充分的相關，使得同一個因素下的變數具有高度的相關。以下之統計度量是測量因素分析的執行是否適合。 (1) 巴特雷球形檢定(Bartlett test of sphericity)：當此檢定的顯著性P值 小，表示輸入的變數適合做因素分析，但其缺點是樣本愈大顯著性(P值)就 愈小，所以即使變數間只有些微的相關，在大樣本下，P值也會變小。 (2) KMO(Kaiser-Meyer-Olkin)值或MSA(Measure of sampling adequacy)值： 這些測量值介於0至1之間，值愈大表示輸入的變數愈適合做因素分析。值 為0.8或以上表示極佳的、0.7或以上表示還不錯、0.6或以上表示普通的、 0.5或以上表示差勁的、0.5以下表示不可接受的。 另外，MSA值也可用於個別變數的篩檢：當個別變數的MSA值低於0.5 應考慮將其刪除，再重做因素分析。若有數個個別變數的MSA值低於0.5， 若欲刪除的話，則一次刪除一個變數，再重做因素分析，從MSA值最低變數 先刪除起。 四、因素的獲得和適合度的評估 因素萃取的方法 在談及萃取的方法之前，首先瞭解個別變數的總變異數可分成三部份： 1.共同變異數(common variance)：是個別變數與其他輸入的變數所共有的 變異數。而共同性(communality)為個別變數與因素分析所萃取的因素所 共有的估計變異數。 2.特定變異數(specific variance)或稱為唯一變異數(unique variance)： 為個別變數的特定變異數，此部份的變異數是無法被其他輸入的變數所解 釋的。 3.誤差變異數(error variance)：此部份的變異數也是無法被其他輸入的變 數所解釋的，而此原因是由於資料產生的不可靠性、測量誤差、或測量情 境的隨機成份。 (2) 主軸因子法(common factor analysis)和主成份分析法(principal component analysis) 1.主成份分析法：當使用的目標是要用少數的因素來摘取大部份的原始輸入 變數的總資訊(或總變異)；因此利用相關矩陣為輸入矩陣(主對角線為每 個輸入變數的總變異數(= 1))，來萃取因素，故每個萃取的因素之變異數 (又稱為特徵值)接或多或少含了一些特定變異數和/或誤差變異數，尤其 是愈後面的因素含愈多的特定變異數和/或誤差變異數。 2.主軸因子法：當使用的