Re: [問題] SPSS因素分析

[sworddragon (囧榮)]

: 搜尋過了以前SPSS、因素分析相關文章，沒能了解我的問題所在，
: 特地發文請教一下
: 為了講清楚問題，我先敘述一下我的狀況前提
: 我使用問卷法，問卷的第一部分是領導風格，
: 領導風格分為兩構面，體恤、結構，

首先，這是你根據文獻所分出來的構面
或是你自己整理出來後定義出來的呢?
以下將假定你是根據文獻分出來的來回答

: 在跑因素分析的時候，我抓了體恤所有的問項去跑，
: 萃取特徵值大於1的因素，然後有使用最大變異法來轉軸，
: 但我產生了幾個問題

萃取特徵值大於1的因素，正確同時這也是SPSS內建的萃取標準
Varimax(最大變異法)是最常用的轉軸方法，這個部分沒有錯

: 1)已經是同一個構面的問項，還是會產生2個因素以上是正常的嗎？

正常，因為問卷填的人百百款
除非你的問卷題目信度與效度極高，否則很容易受到「不符理論者」之作答結果影響
舉例來說，你根據理論得出「每個人都不喜歡聞臭味」
可偏偏你的問卷對象出現一個「逐臭之夫」，就會造成你問卷的因素分類歧異
身為以畢業為最高原則的研究生的你
有三個選擇

(1)強迫SPSS只萃取一個因素出來，這是最省力的方法
(2)仔細檢視問卷填答結果，看是哪個小王八蛋亂填然後剔除樣本
(3)你發現了理論重大的例外現象，仔細鑽研下去說不定跳過Master直接拿Ph.D呢

根據我的研究生涯，我強烈建議你選擇(1)，(2)這個方法等你有空閒再試試看吧
選(3)的話....加油，Kids

: 2)如果想要看各題的因素負荷量，是要看轉軸後的矩陣嗎？(從書本上看，
: 應該是看轉軸後矩陣，可是參考以前研究論文，每個人的因素負荷量都很整齊地
: 從大到小，我跑出來的表有3個因素，卻不知道每題因素負荷量怎麼選)

因素負荷量看轉軸後的
而因素負荷量是以後你用AMOS或SAS跑結構方程模式(Structural Equation Model;SEM)時
(注意：需使用標準化後的因素負荷量)
用來跑複合信度 (composite reliability; CR，需超過0.7)
與平均變異萃取量 (average variance extracted; AVE，需超過0.5)所使用的
至於因素負荷量要不要整齊的排，我倒是沒有特別注意
重點是在CR和AVE這兩個值上面
這兩個值你在跑驗證性因素分析(Confirmed Factor Analysis;CFA)如果沒有過
後面的SEM你也不用做了，還有要做好延畢的心理準備...

: 3)承上題，不曉得每題的因素負荷量如何選
: (從書中，作者好像是因素1，大到小，然後框到中間就換到因素2繼續框，
: 不太曉得換因素的判斷是如何判斷的，書本範例只發現是右邊因素從小轉大，
: 就換了右邊因素)

首先我建議你去拿本多變量分析的書看看因素分析的章節
大概就可以了解「換因素」是怎樣一回事了
簡單說就是，拿每個人的技能點數來舉例
你要怎樣去看這個人「總技能點數多少呢」?
很簡單，我們用不同的「觀點」下去看
所以我們用國文、英文、數學這三個構面下去看
而為了衡量各個構面，你國文構面一定是用一堆「之乎者也」來測
英文構面一定是用「How do you turn this on」來測
數學構面一定是用「1+1=2」來測
因此你可能國文出五題、英文出五題、數學出五題
此時因素分析的目的就是「維度縮減」 (維度縮減你可能要去翻書看，內容太多不好打)
所以你透過維度縮減，把原先5+5+5=15題的資料量
濃縮成為「國文」+「英文」+「數學」三個面向，去看一個人「總技能點數多少」這件事

到這邊還好理解，那為什麼會出現「換因素」的現象呢?
原因很簡單，因為你不是上帝
並不知道你出的「國、英、數」題目，是不是完美的各自獨立
有些題目是會有意義重疊部分的
(舉例：社會資本這玩意光是分類就好幾種，Nahapiet and Ghoshal也承認這真的很難分)
所以你雖然是根據你對文獻的了解分別發展題目
但你很有可能有些題目讓填答者認為是「同樣的因素」
本來你認為是同一個構面的因素，最後你萃取出來就會變成兩個因素

此時你有兩個選擇
(1)我相信我文獻做的很扎實，所以一定是有小王八蛋亂填，強硬只取一個因素
(2)可能真的有我沒有考慮到的分類方式，我來看看這個新萃取出來的因素要叫啥

這邊我是很想建議你選(1)啦，不過你很有可能被教授打槍
不然就是刪題項刪到只剩下「一個構面」為止

從(2)下手的話
所謂的「因素命名」，請看以下表格

┌──────┬──────┐
│   因素一   │   因素二   │
├──────┼──────┤
│眼鏡、翻花繩│口袋、銅鑼燒│
│懦弱、愛靜香│嘮叨、怕老鼠│
└──────┴──────┘

看完這個表格，你大概可以知道因素一和因素二是在指誰了吧?
沒錯就是大雄和小叮噹
因素命名就是用上述的邏輯，你去看歸類在同一群的題項之間
有什麼「共同的」描述可以一次概括
這就是所謂的因素命名
不過真的看SPSS報表，你是要依照因素負荷量來歸類
命名因素也不是件容易的事，所以要多加油啦

: 4)如果因素負荷量絕對值小於0.5可以保留該題嗎？因為該題可能Person相關係數
: 達中度以上的相關，或是刪此題會降低Cronbach's alpha值
: 在此先感謝回答的先進~QQ

不行，因素負荷量小於0.5表示這題「根本就不屬於這個構面」
試想明明你命名為「女子團體」的構面，卻出現一個叫做「周杰輪」的團員
這樣可以成立嗎?
另外，Person相關係數在量化分析當中沒有太重大的意義存在
只有在判斷區別效度的時候有用而已
因此中度以上的相關並沒有任何代表意義，雙方不一定存在因果關係
可能只是湊巧而已

刪題項一定會降低Cronbach's alpha值
但只要你構面的信度大於0.7，就不用太在意刪題對信度的影響了
決勝關鍵都不在那，是在後面SEM的CFA、路徑顯著與方向

加油，希望可以幫到你
有心要跑量化分析的人也可以參考這篇看看，或許你會比較容易入門

--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 111.249.181.76
推 s1s1:看不懂，不過還是推一下
※ sworddragon:轉錄至看板 Statistics                               04/13 22:54
推 rv0918:跟我想得一樣
→ sworddragon:樓上ok的啦，等你要做量化的時候自然就會懂了呵
推 sirian:不同樣本同一份問卷跑探索性因素分析結果一定會不一樣
→ sirian:因素分析是樣本依賴的 要驗證理論的話需run驗證性因素分析
推 kindbackers:推舉例很好
推 AFJ:感謝回文~ XD  幾乎可以回答到了我卡在門外的問題
→ AFJ:門外漢要自己進入，總是會搞不清楚某些東西
推 goshfju:專業
推 blueidol:讚!!舉例淺顯易懂...
推 hb00: