在問卷調查法,研究者為了能夠在眾多的問卷題項中,找出背後共同潛在變項(latent variable),所以研究者通常會使用因素分析做為降低維度(dimension deduction)之分析方法,簡言之,因素分析為將數據資料「化繁為簡」的分析方法。

關於因素分析可分為探索性因素分析(Exploratory Factor Analysis, EFA)以及驗證性因素分析(Confirmatory Factor Analysis, CFA),先前文章已經詳細地介紹過驗證性因素分析,歡迎大家到永析的官方網站參閱(網址: https://www.yongxi-stat.com/confirmatory-factor-analysis/)。

 

在SPSS統計分析軟體中,提供探索性因素分析的服務:分析→維度縮減→因素

探索性因素分析在擷取選項的選項中,因素分析的方法包含「主成份分析(Principal components analysis)」、「未加權最小平方法」、「概化最小平方法」、「最大概似」、「主軸因素」、「Alpha因素擷取」以及「映像因素擷取」。

其中主成份分析與其他因素分析方法背後的統計推估方法不太一樣,主成份分析並未考慮到誤差項(error),在相關矩陣中其對角線皆設為1,可獲得最大的解釋變異量,然而因素分析則是會考量到誤差項,統計軟體會估計相關矩陣對角線的數值,並且均會低於1,例如主軸因素法的相關矩陣對角線為共同性(communalities),先在抽取出第一個可解釋最多的共同潛在變項,接著再扣除第一個因素,找尋第二個最大變異量的共同潛在變項,直到所有題項均被共同潛在變項解釋完畢為止。

另外,探索性因素分析在轉軸法選項中,研究者可根據理論選取合適的轉軸方法,轉軸法亦可轉軸的角度分為:「直交(正交)轉軸法(Orthogonal rotation)」以及「斜交轉軸法(Oblique rotations)」

在SPSS統計分析軟體提供的直交轉軸法包含「最大變異法(Varimax)」、「四次方最大值轉軸法(Quartimax)」以及「均等最大法(Equamax)」;斜交轉軸法包含「直接斜交法(Direct Oblimin)」以及「Promax」。

直交轉軸法和斜交轉軸法最明顯的差異在於是否假定因素之間存有關係,而因素之間是否存有關聯性,此部分建議參考過去相關的文獻和理論,通常建議使用直交轉軸法當中的最大變異法為佳