韩宝成教授 因素分析.pdfVIP

量化研究的基本概念及量表分析 量化研究的基本概念及量表分析 第八讲 量表效度分析理论—— 因素分析 韩宝成 北京外国语大学 中国外语教育研究中心 一、因素分析 一、因素分析 • 因素分析的目的是求得量表的“构念效度” （construct validity ）。 • 因素分析是一种统计分析技术，它的目的是从 为数众多的可观测的“变量”中概括和推论出少 数的“因素” ，用最少的“因素”来概括和解释最大 量的观测事实，从而建立其最简洁、最基本的 概念系统，揭示出事物之间最本质的联系。 1.1 示例： 1.1 示例： • Gardner是第二语言习得研究领域的一位著名学者，他和他的同 事在调查第二语言学习者差异时设计的问卷中这有这样几个问 题： • 这6个问题在测量什么？学习法语的态度？学习法语的愿望？ • Gardner认为，这些问题所共同反映的内容，是所谓学习动机 （motivation）。 • 换句话说，一个学习动机强的人，会在这6个题 目上得到高分， 反之，学习动机弱的人会得低分。虽然每个问题侧重点不同，但 是影响这些题目分数高低的共同原因，就是学习动机这一“潜在变 量” （latent variable）。 • 这份简单的问卷有6个问题，即6个可观测和测量变量，研究者从 这6个变量中概括、推论出来1个客观存在的、不可观测和测量的 “潜在变量”——动机，并用它来概括和解释这6个观测事实，这种 从大量观测变量中寻找、确定基本变量（即因素）数目和性质的 统计分析技术便是因素分析（factor analysis）。 1.2 探索性因素分析 1.2 探索性因素分析 • 传统的因素分析主要用来探寻一些相关变量背后可能存在的因素结构， 对于这个因素结构的寻找，研究者没有任何事先的假定。也就是说，对 于因素的抽取、因素的数目、因素的内容以及变量的分类等，研究者没 有事先的预期，完全由因素分析程序去决定。这一套传统的因素分析方 法，被称为探索性因素分析（exploratory factor analysis；EFA）。 • 在典型的EFA中，研究者通过对共变关系的分解，找出最低限度的主要 成分 （principal component）或共同因素 （common factor），然后 进一步探讨这些主成分或共同因素与个别变量的关系，找出观察变量与 其相对应的因素之间的强度，即所谓的因素负荷 （factor loading），以 说明因素与所属的观察变量的关系，决定因素的内容，并为因素取一个 合适的名字。 • 探索性因素分析旨在从众多的可观察变量中找出最少的因素，即将众多 相关的原始变量浓缩成为少数几个彼此独立的综合指标，用它来代表所 有的原始变量，这种多元（多变量）统计方法大部分用于研究活动的前 期阶段，具有试探性质，此时研究者想把许多变量简化，以寻找新的理 论模式。 1.3 ( 实 验)证性因素分析 1.3 实(验)证性因素分析 • 然而，科学研究的过程不仅仅是产生概念和提出理论 的过程，新的概念、假设、理论或模式往往需要通过 多次验证才能得到接受和发展。在验证性质的实验 中，研究者往往已经形成了一定的理论模式，想验证 他的模式是否能够解释他的观测资料，此时的因素分 析研究者称之为实证性因素分析 （confirmatory factor analysis；CFA）。EFA和CFA的不同之处在于 前者旨在探寻相关变量背后的、潜在的因素结构，后 者旨在找出变量以验证已有的、事先确定的因素结构 或理论模式。前者又被称为主成分分析法 ，后者被称 为因素分析法。 1.4 因素分析的基本步骤 1.4 因素分析的基本步骤 • 因素是一种构念，是存在于大量变量之中的某种共同 变异（covariance），它隐含在大量可观测的事物背 后，难以直接测量，但我们可以从复杂的外在现象中 计算、估计、或抽取得到，其数学原理是共变的抽 取。 • 换句话说，受到同一个构念