。
121 了解 因素分析
亲，第 121 题“因素分析”，PPT 里更多使用的是“因子分析”这个说法，它主要出现在构思效度 / 结构效度那里。核心一句话是：
因素分析是一种统计分析方法，用来从许多变量或题项中找出少数共同因素，考察这些题项背后是否存在某种较稳定的心理结构。
PPT 第四讲在讲构思效度时举例：对量表条目进行探索性因子分析，先看 KMO 和 Bartlett 球形检验，说明问卷是否适合做因子分析；再采用主成分分析法、最大方差正交旋转，提取特征值大于 1 的公因子，并根据因子载荷和条目内容判断条目归属，最后说明量表是否具有较好的结构效度。
121 了解：因素分析
一、因素分析的含义
因素分析，也叫因子分析，是一种多变量统计方法。
它的基本思想是：
很多表面上不同的变量或题项，背后可能受少数几个共同因素影响。因素分析就是把这些共同因素找出来。
比如一份心理健康问卷有 30 个题目，看起来每个题都不同，但通过因素分析可能发现它们背后主要包括几个维度：
情绪低落；
焦虑紧张；
人际敏感；
睡眠问题；
躯体不适。
这样，研究者就可以把很多题项背后的结构整理出来。
二、因素分析的基本目的
因素分析主要用于：
第一，减少变量数量。
把很多题项或变量归纳成少数几个共同因素。
第二，发现潜在结构。
找出许多观测变量背后共同反映的心理维度。
第三，检验测验或问卷结构。
看问卷题项是否按照预期聚合成几个维度。
第四，提供结构效度证据。
如果因素分析结果和理论框架基本一致，说明量表结构比较合理。
PPT 中讲构思效度时也说，要使研究具有较高构思效度，首先要求理论构思结构严谨、层次分明，形成“构思网络”；其次要根据构思特点给出明确操作定义，并确定相应测量指标。 因素分析正是用来检验这些测量指标是否符合理论结构的重要方法之一。
三、因素分析的基本逻辑
因素分析不是直接问“这个题属于哪个维度”，而是根据题项之间的相关关系来判断。
如果几个题项之间相关较高，它们可能共同反映同一个因素。
比如：
“我经常感到紧张”；
“我容易担心”；
“我总觉得不安”。
这几个题可能都和“焦虑”这个因素有关。
再比如：
“我容易和别人交往”；
“我喜欢参加集体活动”；
“我愿意主动表达自己”。
这些题可能都和“外向性”这个因素有关。
所以，因素分析的基础是：
题项之间的相关关系。
四、因素分析中的几个关键词
1. 因素或因子
因素是多个观测变量背后的共同心理维度。
比如人格测验中的外向性、神经质、开放性等，都可以看作因素。
2. 公因子
公因子是多个变量共同反映出来的潜在因素。
PPT 例子中提到，采用主成分分析法和最大方差正交旋转后，提取到 5 个特征值大于 1 的公因子。
3. 因子载荷
因子载荷表示某个题项与某个因素之间关系的强弱。
载荷越高，说明这个题项越能代表这个因素。
比如一个题项在“焦虑”因子上的载荷很高，就说明它主要反映焦虑维度。
PPT 例子中也提到，根据条目内容、因子内涵以及因子载荷高低等指标判断条目归属。
4. KMO 检验
KMO 是判断数据是否适合做因素分析的指标。
KMO 值越高，一般说明变量之间具有较好的共同因素结构，更适合做因素分析。
PPT 例子中提到，KMO 抽样适度测量值为 0.870，说明问卷适合进行因子分析。
5. Bartlett 球形检验
Bartlett 球形检验用于判断变量之间的相关矩阵是否适合进行因素分析。
如果检验显著，说明变量之间不是完全无关，适合继续做因素分析。
PPT 例子中提到，Bartlett 球形检验 χ² = 1385.782，P < 0.01，说明问卷适合进行因子分析。
五、探索性因素分析和验证性因素分析
因素分析常见两种：
1. 探索性因素分析
探索性因素分析主要用于研究者还不完全清楚题项背后的结构时。
它回答的是：
这些题项大概可以分成几个因素？
每个题项更适合归到哪个因素？
这些因素和理论设想是否接近？
PPT 中举的就是探索性因子分析的例子。
2. 验证性因素分析
验证性因素分析主要用于已有明确理论模型时。
它回答的是：
数据是否支持预先设定的因素结构？
这个模型拟合得好不好？
题项是否按理论预期归属于相应因素？
PPT 第三讲还提到，结构方程是回归分析与验证性因素分析的结合。
六、因素分析在心理学研究中的作用
1. 用于问卷和量表编制
编制量表时，研究者常常会写很多题项，然后通过因素分析看这些题项能否形成预期维度。
比如编制“学习动机量表”，可能预设内部动机、外部动机、成就目标、自我效能几个维度。因素分析可以帮助判断这些题项是否真的分成这些维度。
2. 用于检验结构效度
如果因素分析结果和理论设想一致，就能支持量表的结构效度。
PPT 中举例说，5 个因子包含的题项和编制问卷使用的理论框架大致符合，说明量表有较好的结构效度。
3. 用于减少题项或变量
如果某些题项在所有因子上载荷都低，或者同时在多个因子上载荷很高，说明题项可能不清楚，需要删除或修改。
4. 用于发现心理结构
比如人格、智力、态度、兴趣、心理健康等复杂心理现象，都可以通过因素分析探索其内部结构。
七、因素分析的基本步骤
考试中可以简单写成：
第一，收集大量题项或变量数据；
第二，检查变量之间是否适合因素分析，如 KMO 和 Bartlett 检验；
第三，提取共同因素或公因子；
第四，进行因子旋转，使结构更清楚；
第五，根据因子载荷和题项内容解释因素；
第六，判断结果是否符合理论框架，并用于修订量表或解释心理结构。
PPT 中的例子也体现了这些步骤：先检验 KMO 和 Bartlett，再采用主成分分析法和最大方差正交旋转，提取公因子，根据因子载荷、条目内容和因子内涵判断归属，最后判断结构效度。
八、因素分析的局限
因素分析虽然有用，但也不能机械使用。
第一，它依赖样本质量。
样本量太小、样本代表性差，结果可能不稳定。
第二，它依赖题项质量。
题项本身写得含糊，分析结果也会混乱。
第三，因素命名需要理论解释。
统计结果只能告诉我们哪些题项聚在一起，但这个因素到底叫什么，需要结合理论和题项内容判断。
第四，探索性因素分析只是发现结构，不能完全证明理论正确。
如果要进一步验证理论结构，通常还需要验证性因素分析、信度检验和效度检验。
九、考试理解重点
这题记住五个关键词：
共同因素；题项相关；因子载荷；结构效度；量表编制。
可以这样记：
因素分析是通过分析多个变量之间的相关关系，提取少数共同因素，以揭示心理结构、检验量表维度和结构效度的统计方法。
考试背诵版
因素分析又称因子分析，是一种多变量统计分析方法，主要用于从许多相互相关的变量或题项中提取少数共同因素，以揭示这些变量背后的潜在心理结构。它的基本思想是，许多观测变量表面不同，但可能共同反映少数几个潜在因素。因素分析常用于问卷和量表编制、题项筛选、维度划分和结构效度检验。PPT 第四讲在构思效度部分举例说明，对量表条目进行探索性因子分析时，先通过 KMO 抽样适度测量和 Bartlett 球形检验判断数据是否适合进行因子分析，再采用主成分分析法和最大方差正交旋转提取公因子，并根据因子载荷、条目内容和因子内涵判断题项归属。因素分析中的“因子”是多个题项背后的共同心理维度，“因子载荷”表示题项与某一因子之间关系的强弱，载荷越高，说明该题项越能代表该因子。因素分析可分为探索性因素分析和验证性因素分析，前者用于探索题项背后的结构，后者用于检验已有理论模型是否得到数据支持。总体来说，因素分析的核心作用是把复杂的题项或变量归纳为少数有意义的心理维度，并为量表的结构效度提供证据。
带货商品
提示信息
提示信息区块，可用于添加需要重点提醒的内容
提示信息区块，可用于添加需要重点提醒的内容
提示信息区块，可用于添加需要重点提醒的内容
提示信息区块，可用于添加需要重点提醒的内容
面板
面板区块
面板区块可用于展示一段带有标题的内容，比如某个功能模块的介绍说明、常见问题等。
面板区块
面板区块可用于展示一段带有标题的内容，比如某个功能模块的介绍说明、常见问题等。
面板区块
面板区块可用于展示一段带有标题的内容，比如某个功能模块的介绍说明、常见问题等。
面板区块
面板区块可用于展示一段带有标题的内容，比如某个功能模块的介绍说明、常见问题等。
选项卡
选项卡支持两种风格设置，上下布局风格（切换选项在上面）：
JustNews内置我们自主开发的WordPress主题可视化编辑器，通过使用可视化编辑器，只需简单拖拽设置，即使小白用户也能轻松快速搭建出属于自己的页面
JustNews主题支持我们原创的用户中心插件WPCOM Member，可支持邮箱和手机注册登录以及国内外常见社交媒体登录，主题更增加了私信、关注等实用功能
QAPress是一款付费WordPress插件，旨在为WordPress网站提供一个轻量级的问答系统，方便客户交流反馈问题，同时提升网站形象。插件已完美适配兼容JustNews主题，可视需求进行选购
幻灯滑块
本文来自投稿，不代表心理库立场
如若转载，请注明出处：https://www.xinliku.net/index.php?app=article&act=view&article_id=660
支付宝扫一扫
评论列表（182条）
11111
介绍