第7讲-探索性因子分析.pptVIP

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。 舍弃 10% .32 不好（poor） 10% .32 普通（fair） 20% .45 好(good) 30% .55 非常好（verg good） 40% .63 理想（excellent） 50% .71 题项变量状况 因子载荷2（解释方差） 因子载荷 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 Barlett’s 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） 在“因子分析” 对话窗口中，单击“抽取（E）…”按钮，系统弹出“因子分析：抽取” （Factor Analysis: Extraction）对话框，如下图所示。 1．方法（Method）下拉框 从方法下拉框可选择公共因子抽取方法。共包含7种公共因子抽取方法：主成分法（Principle comp