11、探索因子分析：从基础概念到实际应用

探索因子分析：从基础概念到实际应用

1. 因子分析的起源与基础

在因子分析的发展历程中，最初的探索源于对测试中不同因子的研究。存在一个通用因子适用于所有子测试，而每个子测试又有其独特的特定因子。通过将表 4.1 中的括号组件纳入四差计算，诞生了首个因子分析技术。

例如，在表 4.1 中，若 x 是列 a 与行 a 交叉处的未知值，可通过四差公式计算得出：
[x \times r_{bc} = r_{ab} \times r_{ac}]
假设 (r_{bc}=0.56)，(r_{ab}=0.63)，(r_{ac}=0.72)，则：
[x \times 0.56 = 0.63 \times 0.72]
解得 (x = 0.81)。

这个值被称为“g”在 a 上的饱和值，其平方根即为 a 与“g”（一般智力）的相关性。在表 4.1 中，“g”列下的数字代表五个子测试在一般智力上的因子载荷。可以看出，子测试 a 的饱和度很高，而子测试 f 则相对较低。

当然，表 4.1 中的例子是人为设定的。在实际应用中，计算不会如此规整，四差也不会恰好为零。但我们可以计算这些差值，求出每个饱和度估计值的平均值，以此来估计在“g”上的因子载荷。Spearman 进一步推进了这一过程，为验证他的双因子理论，他利用载荷估计每个相关性的值，通过与实际相关性比较，判断理论的拟合优度。他还能从预期值中减去观测相关性，并对残差再次进行处理，从而提取第二个因子，这在某些特定因子并非完全独特时可能会发生。Spearman 的见解十分卓越，几十年后统计学家才从统计学角度证实了他的理论。

2. 向量代数与因子旋转

Spe