1: 因素分析含义
因素分析是基于相关关系对众多数据进行降维(即简化)的数据处理方法,目的在于挖掘出众多数据后的某种结构。因素分析分为探索性因素分析和验证性因素分析,笔者将重点来介绍探索性因素分析。
探索性因子分析含义:依据样本数据,根据变量间相关性的大小对变量进行分组,每组内的变量之间存在较高相关性,意味着这些变量背后有共同的制约因素,用这些公共因子来代替原始的众多变量的过程。
2: 因素分析的条件
(1)所有变量须为连续变量,顺序变量与类别变量不能进行因素分析。
(2)样本量有一定的规模。实际上,对因素分析所需的样本数没有绝对的标准。但现在比较认同的有两个观点:
- 多数学者认为,受试样本数要比量表题项数多(如一个量表有20个题项,则在因素分析时,样本数要>=20。)
- 学者Gorsuch(1983)提出,题项与受试者的比例最好为1:5;受试总样本数不得少于100人,若研究主要目的为找出变量群中涵括何种因素,则样本数要尽量大。
(3)变量间的相关程度。因素分析要求变量间有适当的相关性,若相关程度太高,可能会发生多重共线性问题;若相关程度太低(一般绝对值<0.3)可能不存在公共因子,则不适合进行因素分析。在SPSS中,可用球形检验与KMO检验来验证。
- 巴特莱特球形检验(Bartlett-test of sphericity),若其统计量较大且P值&l