第7讲 探索性因子分析.ppt

2. 斜交转轴 与直交转轴相反，斜交转轴允许因子间具有相关性。 不像直交转轴，在斜交转轴中不存在某种占主导地 位的方法。几种斜交旋转方法均被经常使用，而且 均可以得到令人满意的结果。这些方法包括直接 Oblimin 方法（ Direct Oblimin ） , Promax 方法 （ Promax ）等。 由于在现实世界中各公共因子之间完全没有相关的 可能性极小，因而一些研究者认为采用斜交转轴方 法萃取公共因子效果可能更好。 Nunnally 和 Bernstein （ 1994 ）认为可以利用成份相关矩阵来 判断应该选择直交转轴还是斜交转轴，当各因子间 的相关系数大于 .30 时，最好采用斜交转轴，如果因 子间的相关系数小于 .30 时，则可采取直交转轴法。 （五）因子载荷选取指标准则 一些学者从个别共同因子可以解释题项变量的差异 程度，提出因子载荷选取的指标准则。一般而言， 因子载荷越大，变量能测量到的公共因子特质越多， 因而选取的因子载荷越大，因子结构越佳。但是， 如果选取的载荷阀值过高，可能又会低估公共因子 的数量。 Comrey 和 Lee (1992) 指出，因子载荷大 于 0.71 时，公共因子可以解释指标变量 50% 的方差， 此时的因子载荷属于理想状况；但如果因子载荷小 于 .32 ，则公共因子可以解释指标变量的方差不到 10% ，此时因子载荷状况极不理想，测量题项变量 无法有效反映其公共因子。也就是说，只有载荷 达 .32 和以上的变量才可以被解释。 因子载荷 因子载荷 2 （解释方差） 题项变量状况 .71 50% 理想（ excellent ） .63 40% 非常好（ verg good ） .55 30% 好 (good) .45 20% 普通（ fair ） .32 10% 不好（ poor ） .32 10% 舍弃 资料来源： Comrey 和 Lee (1992) 表 4 因子载荷选取指标准则 从理论上说，必须删除因子载荷在 .32 以下的题项。 但在实际操作中，不同研究者在决定因子载荷的阀 值时会有不同的偏好。如一些学者倾向于挑选因子 载荷 0.6 以上的题项组成公共因子（如 Pizam 等， 1978 ）；另一些学者则舍弃因子载荷在 0.5 以下的 题项（如宋秋， 2008 ；陈楠和乔光辉， 2010 ；） 或 0.4 以下的题项（如 Ap 和 Crompton,1998; 罗艳菊 等， 2007 ；黄宇等， 2011 ）。台湾学者吴明隆 （ 2010 ）认为：“在因素分析程序中，因素负荷量 的挑选准则最好在 0.4 以上，此时共同因素解释题项 变量的百分比为 16%” 。一般而言，当因子结构较 佳时，可以考虑取较高的阀值，而当因子结构较差 时，就要考虑取较低的阀值。 四、因子分析的操作程序 依据 SPSS 软件所提供的因子分析方法，其操作程 序包括 5 个模块。 （一）描述统计（ Descriptives ） 在“因子分析”分析对话窗口中，单击“描述 （ D ） …” 按钮，系统弹出“因子分析：描述统计” （ Factor Analysis: Descriptives ）对话框，如下 图所示。 1. 统计量（ Statistics ）框 （ 1 ）单变量描述性（ Univariate descriptives ）复 选框：输出各个题项的变量名称、平均数、标准差 与有效观察值个数。 （ 2 ）原始分析结果（ Initial solution ）复选框：输出 因子分析未转轴前的共同性、特征值、个别因子解 释的方差百分比及所有公共因子累计解释百分比。 2. 相关矩阵（ Correlation Matrix ）框 （ 1 ）系数（ Coefficients ）复选框：输出题项变量间 的相关系数矩阵。 （ 2 ）显著性水平（ Significance levels ）复选框： 输出相关系数矩阵的显著性水平。 （ 3 ）行列式（ Determinant ）复选框：输出相关系数 矩阵的行列式值。 （ 4 ） KMO 和 Barlett 的球形检验（ KMO and Barletts test of Sphericity ）复选框：输出 KMO 抽样适当性参数与 Bartlett 球形检验结果。 （ 5 ）逆模型（ Inverse ）复选框：输出相关系数矩阵 的逆矩阵。 （ 6 ）再生（ Reproduced ）复选框：输出再生相关阵， 上三角形矩阵代表残差值，而主对角线及下三角形 代表相关系数。 （ 7 ）反映像（ Anti-image ）复选框：输出反映像共 变量及相关矩阵，反映像相关矩阵的对角线数值代 表每一个变量的取样适当性量数（ MSA ）。 （二）因子抽取（ Extraction