文档介绍：《心理学研究方法》第十三章演示数据简化技术——探索性因素分析及SPSS应用DataReductionTechnique——ExploratoryFactorAnalysis&SPSSApplication凤四海******@-3-101ExploratoryFactorAnalysis&SPSSApplication提纲第一节因素分析原理概述一、因素分析基本原理二、因素分析模型及条件三、SPSS因素分析功能选项第二节因素分析的步骤一、数据适当性考察和因素数确定二、求解因素模式三、因素的解释和命名——因子旋转第三节斜交旋转和因子值应用一、因子相关时的旋转——斜交旋转法二、因子值的意义及应用(可选讲)2004-3-102ExploratoryFactorAnalysis&SPSSApplication因素分析的主要目的心理学研究中的一些心理特质(如自我、人格、智力等)往往都是一些“潜在变量”,只能通过对一些可观测的“外显变量”的测量间接反应之。用一般的多元统计方法往往使得对数据的分析和描述陷入混乱。不仅如此,变量间的高度相关还会极大地削弱某些统计方法的效果。数据化简技术:主成分分析、对应分析、典型相关分析、多维量表法等。因素分析主要针对等距尺度变量。其主要目的:“因子”来反映多个观测变量中蕴含的大部分信息,从而浓缩或化简观测数据。,通过得到的因子估计值使研究者更方便地掌握数据的本质特质以及因子和观测变量之间的关系。“多重共线性”返回2004-3-103ExploratoryFactorAnalysis&SPSSApplication因素分析的发展历程思想基础:包括启蒙运动(theEnlightenment)在内的思潮对绝对论(absolutism)的批判:任何实体都可能不是它表现出的模样,而是对其潜在现象的反映;符号主义(Symbolism)、表现主义(Expressionism)。19世纪兴起的对机械唯物主义的批判,提倡宏观论。发展历程:最早由KarlPearson(1901)引入;最早由CharlesSpearman在创立其智力理论时应用;Thurstone(1931)monfactortheory”是其重要的理论基础,1940’s-1960’s是其发展的辉煌期。返回2004-3-104ExploratoryFactorAnalysis&SPSSApplication因素分析的发展历程三种主要应用观点:特质理论(Traittheory):Spearman,Thurstone,Cattell回答:一组观测变量背后潜在的基本特质是什么?Dustbowlempiricism:GodfreyThompson,HenryKaiser回避了内容和理论,而关注应用聚类分析(Clusteranalysis):Holzinger,Tyron,&Bailey相信较低水平的观测(如项目)可以被整合成较高水平的具有理论价值的构念。返回2004-3-105ExploratoryFactorAnalysis&monFactorTheory及变异分解题项1:我对我的薪水感到满意;题项2:我对工作中的同事感到满意;题项3:我对工作中的上司感到满意。问题:我测量的是一个东西吗?因素分析假设变量的变异可分解成三个部分:公因子方差:各变量间的公共变异;特殊因子方差:不能由公因子解释的、变量特有的变异;误差方差:变量中不可信的、无法解释的变异;三者间的关系图示:2004-3-106ExploratoryFactorAnalysis&SPSSApplication1-h2指变量的变异中无法被公因子模型解释的部分比例因素分析使用变量间的相关(标准化数据的协方差)系数来估计公因子及连接因子和变量间的结构关系(因素负荷)。一因素分析基本原理公因子方差 特殊因子方差 误差方差“工作满意度”“上司人格特征”“情绪”可信的变异或“共同度”h2独特变异(1-h2)公因子F1X1X2X3X4l41l31l21l11因子F1“引起”或解释了题项1到4中的公共变异l41指“变量4在因子1上的负荷”返回2004-3-107ExploratoryFactorAnalysis&SPSSApplication主成分分析法(ponentanalysis,PCA):一种独立于因素分析的数据化简方法,SPSS默认的分析方法。用以寻找将变量以最优方式结合成少数几个成分,保持总变异,主成分数=变量数,主成分是变异的几何抽象,不一定复合真实情况。信息保留较多。monfactoranalysis,PFAorCFA):假设公因子可以完全解释变量间的相关关系,而不一定能完全解释变量的变异(即不考虑特殊因子),用以确定变量背后