STATISTICA的因素分析(Factor Analysis).pptVIP

* STATISTICA的因素分析(Factor Analysis) * 因素分析(Factor Analysis) 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 (不可觀察的、抽象的構念、潛性變數)，且這些共同因素可以最佳解釋原變數間的相關情形。 利用因素分析進行效度分析 主成份分析所著重的在於如何『轉換』原始變項使之成為一些綜合性的新指標，而其關鍵在『變異數』問題。與主成份分析不同的是，因素分析重視的是如何解釋變數之間的『共變異數』(相關) (covariance)問題 * 三、 因素分析 因素分析分成兩種 ?探索性因素分析(Exploratory F.A.)： 因素模式的結構或背後的理論未知。資料是用來顯示或指明因素模式的結構。故可視為幫助建立理論的方法。 ?驗証性因素分析(Confirmatory F.A.)： 基於背後的理論而設定因素模式的結構，今利用實際資料來驗証或確認，資料是否配適設定的模式。因此C.F.A可視為理論檢測或假設(模式)檢定的方法。近年中亦成為驗証或確認量表效度的新方法。 * 三、 因素分析 例如： (1)某500大企業的總裁想量測該公司的形象 (2)行銷經理想量測銷售員的銷售能力 (3)高科技公司經理想量測妨礙技術革新的決定因素 以上問題都需要某種工具或問項(變數)，以量測各種構念(construct)(如態度，印象，革新阻力)。因素分析就是展開問項變數用以量測構念(抽象的觀念)的方法。 * 因素分析的步驟 A.進行因素分析前資料的檢視 B.導出因素並評估整體的適合度 C.因素的解釋 D.選擇因素時，效度之考量標準 E.因素分析結果的應用 * 因素分析的步驟 A.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) ( KMO指標)，判斷準則，其值介於0到1之間， KMO＜0.5，表示資料不適合做因素分析。 Note: STATISTICA沒有以上兩者的步驟 * 因素分析的步驟 B.導出因素並評估整體的適合度 　1.萃取因素的方法：多種，主要有主成份分析法與主軸因素分析法兩種。 　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(凱莎(Kaiser)準則)，並配合陡坡圖(scree plot)的肘點決定因素的個數。累積解釋變異量最好大於 60%。 * 因素分析的步驟 C.因素的解釋 1.利用最大變異法（varimax）或四方最大法（quartimax）等直交轉軸法，找出最容易解釋的因素。 2.由因素負荷大的變數將其內容綜合以對因素命名，或以因素負荷值最大的變數作為優先命名。 * 因素分析的步驟 D.選擇因素時，效度之考量標準 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。(收斂效度) 3.兩因素負荷量差大於0.3者。(區別效度) 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。 * 因素分析的步驟 E. 因素分析結果的應用 針對每一筆資料，可以估算其個別因素之得點分數(因素分數)，因素分數之計算常透過因素權重所形成的迴歸式來完成，所計算出來的因素分數是經過標準化而成。將因素視為一新(潛性)變數，其因素分數為其觀察值，以進行其他統計分析。 * STATISTICA操作 點選多變量探索技巧 ?因子分析 ? 按變數?選擇全部?確定 ? 確定 ?在敘述統計量欄 按檢視相關係數，平均數，標準差?在進階對話框上的 萃取方法選主成份或主軸法?在最大因子數 鍵入數字(內建2)且在最小特徵值鍵入數字(內建1) ?確定 ?在快速欄的因子轉軸選最大變異法或四次方最大值，按摘要:因子負荷，因子負荷圖? 在已解釋變異欄 按特徵值，共通性，陡坡圖，重製殘差相關矩陣?在得點欄 按因子得點係數，因子得點 * 舉例 例1:公司之社會資本量表的因素分析(吳萬益:企業研究方法2nd ed.)。 研究架構圖如下 * 例:組織之社會資本量表 研究構面 操作變項 變數代碼 衡量尺度 組織 之 社會 資本 我與同事之間保持密切的互動關係 Sc1 七點量表 我花了很多時間與同事進行互動 S