12.1資料分析的架構12.1資料分析的架構12.1資料分析的架構12.2因素分析的概念512.4因素分析的理論架構12.5因素分析與主成份分析12.6進行因素分析前資料的檢視9三、導出因素並評估整體的適合度1.萃取因素的方法：主要有一般因素分析法與主成份分析法兩種，選擇何種則視研究者的目標而定。2.因素個數的選擇：在選擇因素的個數上，主要是以尋求該因素的特徵值(eigenvalue)大於1作為取決的標準，只有在因素特徵值大於1的情況下才選擇使用。四、因素的解釋－直交轉軸法（orthogonalrotation）＊最大變異法（varimax）＊四方最大法（quartimax）＊平均最大法（equamax）－斜交轉軸法（obliquerotation）＊直接斜交法＊Promax法12五、選擇因素之標準1.因素之特徵值(eigenvalue)須大於1。2.最大變異數轉軸法(varimax)旋轉以後，取因素負荷量(factorloading)絕對值大於0.6者，若為探索性研究可以稍微降低。3.兩因素負荷量差大於0.3者。4.共同性(communality)須大於0.5。5.分項對總項(itemtototal)相關係數大於0.5，且顯著者。6.總累積解釋量不得小於0.61415選取因素時，愈後面被選取的因素所能解釋之變異愈少，統計學家提出一般準則：1.凱莎(kaiser)準則保留特徵值大於1(或大於所有變數的平均變異數)的主成份，即除非選取的一個因素比原來一個變數的解釋量還多，否則不取。2.陡坡圖(scree)檢驗陡坡圖是Cattell(1966)提出的一種圖形判斷方法，建議當特徵值開始很平滑下降時，就不取，如圖12—4所示，自特徵值大於1後，從第4個主成份後已很平坦，故建議取3個主因素。17六、因素命名以因素負荷值最大的作為優先命名，即因素負荷量最大的變數，其內容必須包含在該因素之內。七、因素分析結果的應用基於應用因素分析的目的，若研究者的目標只是要想要取得變數間所具有的隠含結構，以瞭解這些變數間的關係，則因素分析可能已滿足其研究所需。但若其目的是要從很多研究變數中萃取出適當的因素，以進行其他統計分析，如複迴歸分析、區別分析、集群分析或MANOVA等等，則因素分析的結果可做進一步的應用，這些應用包括：1.代理變數(surrogatevariable)：在直交轉軸法下檢視因素負荷矩陣，從中挑選出因素負荷量最高的變數，做為該特定因素的代理變數。2.合成指標(summatedscales)：產生合成指標或合成變數取代原始變數。3.因素得點(factorscores)：針對每一筆資料，可以估算其個別因素之得點分數，因素得點之計算係透過因素權重所形成的迴歸式來完成，所計算出來的因素得點是經過標準化而成。2112.8因素之信度分析12.8因素之內部一致性分析12.8因素之內部一致性分析12.8因素之信度分析2627282930