西南大学：《心理学多元统计分析》课程PPT教学课件（SPSS）06.1 EFA探索性因素分析

1有关概 2分析步 3分析结 是考成

探索性因素分析 • 1有关概念 • 2分析步骤 • 3分析结果

分析目标 *数据简化 *对于多个观测变量找到他们公共因子 *公共因子多少是合适的 *某个变量(题目)归于那个因子? *做什么样的因子旋转,才便于进行合理的解释

分析目标  数据简化  对于多个观测变量找到他们公共因子  公共因子多少是合适的  某个变量（题目）归于那个因子？  做什么样的因子旋转，才便于进行合理的解释

1概念 x1=1+1f1+12f2+…+l1mfm+E1 x=11+hn1+…+1,J+…+lm1m+6m<<P +bnf+hn2f2+…+ +a pm m X为观测变量,相当于问卷中的题项 f为公因子 ε为随机误差 1称为因子负荷( factor loading

1 概念 X为观测变量，相当于问卷中的题项 f为公因子 ε为随机误差 l ij称为因子负荷(factor loading)          = + + + + + = = + + + + + +  = = + + + + + p p p p p m m p i i i i j j i m m i m m x l f l f l f j m x l f l f l f m p i p x l f l f l f               1 1 2 2 1 1 1 1 1 1 1 1 2 2 1 1 1, , 1,

g

g

观测变量的共同度( communality) *某个变量由提取的公因子一共解释了多少 或所有公因子对某个变量方差的贡献。是 模型中每行m个系数的平方和记为h2 例如,X1 x1=11+41f1+4122+…+l1mm+Ei1

观测变量的共同度(communality)  某个变量由提取的公因子一共解释了多少， 或所有公因子对某个变量方差的贡献。是 模型中每行m个系数的平方和;记为hi 2 ，  例如，X1 1 1 1 1 1 1 2 2 1 1 =  + + + + + m m x l f l f  l f

公因子的贡献率 *衡量公因子相对重要性的度量 *表示第个公因子对所有观测变量的总影 响,记S2,是每列p个系数的平方和 spSs用 Eigenvalues特征值/根表示,也给 出它除以变量个数(p)乘100%的结果,为 “% of variance"和“ Cumulative%

公因子的贡献率  衡量公因子相对重要性的度量  表示第j个公因子对所有观测变量的总影 响，记Sj 2 ，是每列p个系数的平方和  spss用Eigenvalues 特征值/根表示，也给 出它除以变量个数(p)乘100%的结果，为 “% of Variance”和“Cumulative %

2分析步骤 1.筛选观测变量 2.样本数据适当性考察 3.确定因子数 4.参数估计 5.因子旋转 6.因子得分 上述步骤要经过多次反复

2. 分析步骤 1. 筛选观测变量 2. 样本数据适当性考察 3. 确定因子数 4. 参数估计 5. 因子旋转 6. 因子得分 上述步骤要经过多次反复

21筛选观测变量 符合以下(部分)条件观测变量最好 不入模型: 1、标准差低(区分度) 2、重测信度低(建议02) 3、最大负荷值小(建议O4) 4、共同度h2小(建议02

2.1 筛选观测变量 符合以下（部分）条件观测变量最好 不入模型： 1、标准差低 （区分度） 2、重测信度低 (建议0.2) 3、最大负荷值l ij小(建议0.4) 4、共同度hi 2小(建议0.2)

21筛选观测变量 5、最大负荷值与共同度h2之比小建议 0.5) 6、最大两个负荷值与共同度h2之比之差 小(建议025)

2.1 筛选观测变量 5、最大负荷值l ij与共同度hi 2之比小(建议 0.5) 6、最大两个负荷值l ij与共同度hi 2之比之差 小(建议0.25)

21筛选观测变量 7、多极变量,即一个变量在几个因子上的 负荷都较大

2.1 筛选观测变量 7、多极变量，即一个变量在几个因子上的 负荷都较大