因素分析常見問題PART 1

1.何謂因素分析?

因素又稱為構面、維（向）度、潛變量或不可觀察變量。因素分析為一數據縮減的技術，也就是把研究中較多的變量，找出相關較高的幾個變量（相關高代表衡量同一件事情），轉換另成一個變量來代表這些變量的統計技術。如同，我們在收拾桌面時，會把筆、橡皮擦、尺等物品歸在一起，並稱為文具類，這就是因素分析。

2.因素分析的假設？

因素分析要有一些前提假設:

(1) 線性關係：變量之間的關係必須是線性的，萬一不是則要進行變量轉換。

(2) 正態分佈 (normality)：通常是要求單一變量正態，變量正態會讓變量之間具有較高相關。

(3) 方差齊一：方差不齊一會降低變量之間的相關。

(4) 樣本的同質性：樣本具有同樣的特性，會增加變量之間的相關性，而變量之間的相關性是因素分析的前提。

(5) 連續變量：變量需為連續變量，如李克特量表，至少5點尺度，建議7點尺度較為理想。

(6) 單一構面準則：下一題回覆

3.什麼是單一構面準則？

進行因素分析時，理想上每一個變量只能屬於一個因素，一個變量屬於一個因素稱之為因素負荷量，若一個因素同時與其它的因素有相關，稱之為交叉負荷量。因此，如果發現交叉負荷量太高(>0.4)，同時與因素負荷量之間相差不到0.1，可能要考慮刪除該變量。經過這樣的程序後，每一個變量只會屬於一個因素，這表示符合單一構面準則。

4.為何因素分析稱為建構效度的檢驗?

因素分析第一個步驟便是將所有變量標準化，來評估變量之間的相關程度，將相關高的幾個變量放在第一個因素，看能解釋多少百分比，再用第二個因素解釋剩餘的百分比，以此類推，直到解釋完畢為止。因此，當因素分析萃取出因素個數後，其實已完成因素的信度、收斂效度及區別效度的分析。所以，完成因素分析表示量表本身已有建構效度（信度、收斂效度及區別效度）。

5.因素分析的優點？

(1) 解決共線性問題：當自變量相關較高時，可藉由因素分析將這些題目整合成一個題目，降低在回歸分析時，發生自變量相關過高所造成的影響。

(2) 問卷的建構效度的建立：依據變量相關的高低，尋找變量間潛在的結構。

(3) 簡化數據：因素不是對原有變量的取捨，而是根據原始變量的信息重新組合，找出共同影響因子。

(4) 因素可解釋性；透過旋轉使得因素更具有明顯的特性，容易命名。

(5) 符合統計精簡原則：以最少的變量，得到最大的解釋能力。

6.因素分析的缺點？

因素分析為一變量簡化的技巧，只要簡化就會產生訊息損失，因此會喪失部分的解釋能力。簡化的過程是依照變量相關進行，因此有可能會因為概率的問題，將無意義的變量合併在一起，造成命名的困難，此時研究者需要自行取捨。再者，因素分析為大樣本分析法，樣本太小會造成因素分析結構不穩定，使得分析結果不可靠。