最近分析師在進行統計跟論文諮詢時,經常被問到當問卷進行因素分析後,其中問卷題目的分析結果不盡理想,可以採用哪些方法調整因素分析的結果呢?

我們彙整出三個研究學者常使用的方法,提供給大家參考。

研究者通常會使用特徵值、轉軸等方式進行刪題的依據,以下五點詳述如下。

一、特徵值

通常會採用特徵值(eigenvalues)大於1作為判斷問卷因素個數之標準,若顯示出來的結果不如預期,建議可根據理論依據,改採用固定因素個數進行因素分析,應可獲致較佳的分析結果(王嘉寧、翁儷禎,2002)。

二、因素轉軸

使用因素轉軸(factor rotation),其可分為直交(正交)轉軸法(orthogonal rotations)以及斜交轉軸法(oblique rotations),建議若在未轉軸之前的因素分析結果不佳,可採用轉軸法,協助調整題目因素負荷量的大小,通常都可獲得較佳的分析結果(吳明隆、涂金堂,2005)。

三、正交轉軸

直交(正交)轉軸法:因素與因素之間沒有相關,最常使用的是「最大變異法(Varimax)」。

四、斜交轉軸

斜交轉軸法:因素與因素之間存有某種程度的相關,最常使用的是「直接斜交轉軸法(Direct Oblimin)」。

五、樣本數

樣本數不得少於100人,題目數和問卷填答者人數的比例最佳為1:5 (Gorsuch, 1983),所以建議在執行因素分析之前,需收到足夠的樣本數再進行因素分析。

—-

另外,若採用上述的調整方式所獲得的因素分析結果未臻完善,例如因素負荷量過低、同一個題目跨足兩個因素以上等原因,則建議予以刪除問卷的題目,因此小編整理出三個研究學者常使用的刪題依據,提供給大家參考。

一、題目的因素負荷量 < 0.4 (另有學者提高或降低因素負荷量之標準)

二、題目跨因素:題目在兩個(含)以上之因素中的因素負荷量均高於4以上

三、題目未出現在預期的因素中

最後,希望大家都能有好的分析結果,順順利利的完成分析,本篇文章的相關參考文獻如下。