因子分析中公共因子数量的确定方法.docxVIP

因子分析中公共因子数量的确定方法

引言

因子分析作为多元统计分析的重要工具，广泛应用于心理学、社会学、经济学等领域，其核心目标是通过少数潜在的公共因子解释原始变量的大部分变异，从而简化数据结构。然而，公共因子数量的确定始终是因子分析实践中的关键难题——因子数量过少会导致信息丢失，模型拟合不足；数量过多则会引入冗余因子，降低模型解释力。这一问题直接影响后续因子命名、结构效度检验等核心步骤的可靠性（Hairetal.,2010）。因此，系统梳理公共因子数量的确定方法，明确各类方法的适用场景与局限性，对提升因子分析结果的科学性具有重要意义。本文将围绕常用方法的原理、操作流程及应用建议展开论述，为研究者提供实践参考。

一、因子分析中公共因子数量确定的理论基础

因子分析的数学模型可简化为：每个原始变量是公共因子的线性组合加上独特因子（仅影响该变量的特殊因素）。公共因子数量（记为m）的确定本质上是在模型复杂度与解释力之间寻找平衡。从统计推断角度看，m的选择需满足两个基本条件：一是公共因子能解释原始变量间的主要相关性；二是剩余的独特因子应近似独立且无显著相关性（Gorsuch,1983）。这一目标决定了确定m的方法需同时考虑数据本身的特征（如变量间相关性强度、样本量）和研究的实际需求（如模型可解释性要求）。

（一）公共因子数量与模型拟合的关系

公共因子数量直接影响因子分析模型的拟合优度。