探索性因子是什么

探索性因子分析(EFA)就是将所有测量题目放在SPSS中做因子分析，EFA的目的就是探寻测量题目所应归属的因子或潜变量。

一、?探索性因子分析（EFA）

1.1做EFA的前提

输出的反应象相关矩阵中，取样适切性量数（对角线位置的数据，MSA）越接近1表示越适合进行因子分析，如果<0.5的话，表示不适合因子分析。

KMO值<0.5时，不适合做因子分析，最好要>0.8.

1.2?估计因子负荷量的方法

主要包括：主成分分析法、主轴因子法、极大似然法等

其中最常用的是主成分分析法，也是SPSS中默认的方法，以现行方程式将所有变量加以合并，计算所有变量***同解释的变异量，该线性组合为主要成分。

1.3转轴

转轴的主要目的是协助因素更具解释意义，常用的转抽方法有直交转轴法和斜交转轴法。

其中最常使用的还是正交转轴，一是它是多数统计软件中的内设选项；二是正交转轴生成的结果简单，易于解释；三是在EFA中，根据实际数据检验结果来看，不用太过在意转轴的方法，因为结果都相差不多。

转轴后每个因子的特征值会变，但是总特征值不变，总解释方差不变。

转轴后每个题项在不同因子上的因子载荷会变，但是每个题项的***同性不变，原来能被因子解释多少，现在能被解释多少。

1.3.1直交转轴

直交转轴法又分为最大变异法、最大四次方值法、最大平衡道法，其中最常用的是最大变异法。

直交转轴法输出的结果有：

公因子方差：***同性，所有***同因子对该题项能够解释的变异量。***同性越高越适合因子分析，如果***同性低于0.2，可以考虑将该题项删除（此时因子载荷<0.45）。

总方差解释：能够看出每个***同因子的特征值和提取的方差比例。

成分矩阵：初始的因子载荷矩阵，能够看出每一题项在各个公***因子上的载荷。该矩阵横向的因子载荷数值平方和就是公因子方差矩阵中该题项的***同性。该矩阵纵向的因子载荷数值平方和就是总方差解释中初始的各个公***因子的特征值。

旋转后的成分矩阵：旋转后的因子载荷矩阵。该矩阵横向的因子载荷数值平方和就是公因子方差矩阵中该题项的***同性。该矩阵纵向的因子载荷数值平方和就是总方差解释中旋转后的各个公***因子的特征值。需要根据这个矩阵的因子载荷判断题项的归属，并命名。

1.3.2斜交转轴

斜交转轴法又分为直接斜交转轴法、Promax转轴法，其中最常用的是直接斜交转轴法。

当因子间的相关系数>0.3是，最好采用斜交转轴。

斜交转轴法输出的结果有：

公因子方差：***同性，所有***同因子对该题项能够解释的变异量。***同性越高越适合因子分析，如果***同性低于0.2，可以考虑将该题项删除（此时因子载荷<0.45）。

总方差解释：能够看出每个***同因子的特征值和提取的方差比例。

成分矩阵：与未转轴的或者直交转轴的都一样。

模式矩阵：不看？

结构矩阵：类似于直交转轴法里的旋转后的成分矩阵，可以看出题项归属哪个因子。

成分相关系数矩阵：在这里看因子间的相关性，如果相关性不大采用直交旋转，如果相关性较大则采用斜交旋转。

1.4因子分析筛选方法

因子分析筛选的原则常用的是特征值>1、事先决定准则法。

1.4.1抽取特征值>1

缺点是如果题项太多，可能会抽出比较多的因子。

1.4.2抽取固定数目的因子

如果相关理论文献已经有很明确的一直构念，那么在决定因子数目时可以参考，设置固定的提取因子数目，因此这种情况下也可以使用CFA。