因素分析常見問題PART 4

1.因素分析的步驟

(1) 計算各變量之間的皮爾森相關係數，合成相關係數矩陣。

(2) 估計方法的選擇：主成份或主軸法。

(3) 因素選取方法的選擇：選取 eigenvalue 大於 1 的因素。

(4) 因素軸的旋轉：依照目的的不同選擇直交轉軸或斜交轉軸兩種。

(5) 結果的解釋：因素之命名是由此因素包含哪些重要變量來決定，基本上因素負荷量較大的變量決定因素名稱。

2.因素命名如何進行？

一個因素可能會有許多題目，一般命名的方式採用因素負荷量最高的前3題作為命名的依據，無需將所有題目均考慮進來。因為負荷量較低的題目有可能是因為概率偶然的結果，而在因素分析中被歸入該因素中，這種情形下，其負荷量都不會太高，因此在命名時，可考慮排除這些負荷量較低的變量。

3.因素分析需要多少樣本？

因素分析時，Gorsuch(1983)提出：

(1)  變量與樣本的比例最好為 1:5以上，如果有30個變量，表示樣本需要150個。

(2)  如果變量不符合正態分布，則要變量與樣本的比例要增加到1:10。

(3)  樣本總數不得少於 100 人

4.代理變量、因素分數或是項目打包有何不同？

代理變量是用該因素中因素負荷量最高的那個變量，直接用它的分數代替該因素，適用在變量之間的單位不同時使用，是訊息損失較多的方法；因素分數是在因素分析時，由SPSS轉出的標準分析，適用於變量之間的單位不同時，其缺點是該因素分數包含了不只是因素負荷量的訊息，連交叉負荷量都會包含進來，因此會產生偏差；項目打包則比較直覺且容易執行，只需將因素的所有題目取均值即可，適用於所有題目都有一樣的測量單位，是目前社會科學使用最多的方法，尤其研究是利用問卷調查並採李克特或語義差異量表。