64、探索性因子分析与问卷可靠性评估

探索性因子分析与问卷可靠性评估

1. 探索性因子分析概述

探索性因子分析旨在揭示问卷中潜在的结构。在相关分析中，发现问卷存在四个潜在量表，它们可能与R焦虑的真实子成分相关，也可能无关。由于因子间存在相互关系，斜交旋转解似乎更受青睐。需要注意的是，因子分析仅具探索性，用于指导未来假设或为研究人员提供数据集内的模式信息。研究人员在使用因子分析时需做出众多决策，应基于充分信息而非期望结果来做决定。

2. 因子分析的报告方法

报告因子分析时，需为读者提供足够信息以对数据形成合理判断。至少要明确提取因子的标准和使用的旋转方法，生成所有项目的旋转因子载荷表，并标记高于临界水平（如0.40）的值。同时，应报告每个因子解释的方差百分比和特征值。以下是一个示例报告：
对23个项目进行主成分分析（PCA），采用正交旋转（方差最大法）。Kaiser - Meyer - Olkin（KMO）测度验证了分析的抽样充分性，KMO = 0.93（根据Kaiser 1974年的标准为“极佳”），且所有单个项目的KMO值均大于0.77，远高于可接受的0.5的下限。Bartlett球形检验（χ²(253) = 19334，p < 0.001）表明项目间的相关性足以进行PCA。初始分析获取了数据中每个成分的特征值，四个成分的特征值超过了Kaiser的标准1，共同解释了50.32%的方差。碎石图略显模糊，显示的拐点支持保留两个或四个成分。考虑到样本量较大，且碎石图和Kaiser标准在四个成分上达成一致，最终分析保留了四个成分。旋转后的因子载荷见表1。同一成分上聚类的项目表明，成分1代表对计算机的恐惧，成分2代表对统计学的恐惧，成分3代表对数学的恐惧，成分4代表同伴评价担忧。