本篇目的在討論和比較探索性因素分析(Exploratory Factor Analysis, EFA)和主成份分析(Principal Component Analysis, PCA)的差異

在SPSS套裝統計分析軟體中,將主成份分析納入在探索性因素分析的類別之下,但事實上有些學者主張,主成份分析並非屬於因素分析類型(Fabrigar, Wegener, MacCallum, & Stranhan, 1999)。後面會介紹主成份分析的基本概念和特徵,釐清和說明為什麼主成份分析並未為因素分析的一種。

主成份分析:目的在於資料縮減 (MacCallum, 1999)

  • 估算方式並未考量到測量誤差(error),相關矩陣對角線皆為「1」,表示主成份分析假設誤差項彼此之間可能存在關聯性,亦即誤差項並非完全獨立。
  • 成份分數並非為潛在構念,只是觀察變項之間的線性組合。
  • 主成份分析可獲得最大的解釋變異
  • 成份之間相互獨立,沒有關聯性。

探索性因素分析:目的為在眾多觀察變項中找共同因素,估算過程的誤差較小,因素負荷量的精確度較高,因始較適合用在解釋效度,包含主軸因素法 (principal axis factoring procedure)、最小平方法(least squares approach) 、最大概似法(maximum likelihood procedure)以及Alpha因素法 (alpha factoring procedure)。

詳細介紹請參考這篇:https://www.yongxi-stat.com/exploratory-factor-analysis/

           

總而言之,在做因素分析時,建議選擇上述提及之探索性因素分析的類型,如最大概似法、主軸因素等,不建議選擇主成份分析法,避免出現爭議

 

參考文獻

Fabrigar, L. R., Wegener, D. T., MacCallum, R. C., & Stranhan, E. J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychology Methods, 4 (3), 272-299.

MacCallum, R. C. (1999). Psychology 820 course packet. OH: The Ohio State University Press.