资源描述：
《探索性因子分析法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、探索性因子分析法（ExploratoryFactorAnalysis，EFA）目录[隐藏]·1什么是探索性因子分析法？·2探索性因子分析法的起源·3探索性因子分析法的计算·4探索性因子分析法的运用·5探索性因子分析法的步骤·6探索性因子分析法的优点·7探索性因子分析法的缺点·8探索性因子分析法的假定·9EFA在教育、心理领域存在的问题及建议[1]·10参考文献[编辑]什么是探索性因子分析法？ 探索性因子分析法（ExploratoryFactorAnalysis，EFA）是一项用来找出多元观测变量的本质结构、并进行处理降维的技术。因而，EFA能够将将具有错综复
2、杂关系的变量综合为少数几个核心因子。[编辑]探索性因子分析法的起源 因子分析法是两种分析形式的统一体，即验证性分析和纯粹的探索性分析。英国的心理学家CharlesSpearman在1904年的时候，提出单一化的智能因子（ASingleIntellectualFactor）。随着试验的深入，大量个体样本被分析研究，Spearman的单一智能因子理论被证明是不充分的。同时，人们认识到有必要考虑多元因子。20世纪30年代，瑞典心理学家Thurstone打破了流行的单因理论假设，大胆提出了多元因子分析（MultipleFactorAnalysis）理论。Thurst
3、one在他的《心智向量》（VectorsofMind，1935）一书中，阐述了多元因子分析理论的数学和逻辑基础。[编辑]探索性因子分析法的计算 在运用EFA法的时候，可以借助统计软件（如SPSS统计软件或SAS统计软件）来进行数据分析。[编辑]探索性因子分析法的运用 1、顾客满意度调查。 2、服务质量调查。 3、个性测试。 4、形象调查。 5、市场划分识别。 6、顾客、产品及行为分类。[编辑]探索性因子分析法的步骤 一个典型的EFA流程如下： 1、辨认、收集观测变量。 2、获得协方差矩阵（或Bravais-Pearson的相似系数矩阵）
4、3、验证将用于EFA的协方差矩阵（显著性水平、反协方差矩阵、Bartlett球型测验、反图像协方差矩阵、KMO测度）。 4、选择提取因子法（主成分分析法、主因子分析法）。 5、发现因素和因素装货。因素装货是相关系数在可变物(列在表里)和因素(专栏之间在表里)。 6、确定提取因子的个数（以Kaiser准则和Scree测试作为提取因子数目的准则）。 7、解释提取的因子（例如，在上述例子中即解释为“潜在因子”和“流程因子”）。[编辑]探索性因子分析法的优点 1、EFA法便于操作。 2、当调查问卷含有很多问题时，EFA法显得非常有用。 3、EFA法既是其
5、他因子分析工具的基础（如计算因子得分的回归分析），也方便与其他工具结合使用（如验证性因子分析法）。[编辑]探索性因子分析法的缺点 1、变量必须有区间尺度。 2、沉降数值至少要要变量总量的3倍。[编辑]探索性因子分析法的假定 对于主因子分析法来说，不存在异常值、等距值、线形值、多变量常态分配以及正交性等情况。[编辑]EFA在教育、心理领域存在的问题及建议[1] 1.样本容量、观测变量数目不够 很多应用探索性因子分析的研究中,普遍存在的一个问题就是样本容量及观测变量数目太小。探索性因子分析中,一般要求样本容量至少为100-200,当变量的公共方差较大时,
6、则一定数目的小样本也能确保因子负载的稳定性。国内学者曾做过一项调查,结果表明:1991-2000年国内两种心理学期刊发表的运用因子分析的文章中,有近10%的文章研究样本小于100,甚至有多达50%的文章没有提供这一信息。而对于观测变量的数目,一般认为,观测变量与所提取的因子数目之比至少为4。很多研究者认为观测变量的数目并不与被提取的因子数目相关联,因为研究者事先并不知道会有多少个因子被提取出来,因此,无法依据被提取的因子个数对观测变量的数目进行安排,但是,实际上很多研究者在因子分析前对所探讨的观测变量的因子结构已有了一定的预期。教育、心理领域中,存在着相当数量
7、的研究并未达到这些标准。这或许是由于研究者对因子分析的要旨理解不深,但更有可能的是研究者对这类方法的细节重视不够。 2.因子提取方法的误用 探索性因子分析中最常用的提取因子的方法主要有两种:主成分分析法和主轴因子法。决定选用何种方法时,一般有两点值得考虑:一是因子分析的目的;二是对变量方差的了解程度。如果因子分析的目的是用最少的因子最大程度解释原始数据的方差,则应用主成分分析法;若因子分析的主要目的是确定数据结构,则适合用主轴因子法。 实际上,虽然研究者大多认为主成分分析法和主轴因子法的结果差别不大,但是Widman提出,主轴因子法使用复相关系数的平方作
8、为公共方差的初始估计值,通过不断重复,
