晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

這篇承接『諮詢最常遇到的問題（五）：要怎麼做好探索性因素分析（EFA）』，進行無預設因素的操作說明。此篇文章著重於題項刪題的過程，至於部分選項的設定，可依照研究者的喜好（應該說是指導教授的喜好進行調整），無預設的因素分析相對有預設的單純許多，大致上只要能透過因素負荷量進行題項的成功歸類即可，也就是說題項在任一個因素的負荷量只要能超過設定的標準就好。

（1）點選「分析」à「維度縮減」à「因子」。

（2）將同一量表的題項丟入右方的「變數」欄位中。

（3）點選「描述性統計量」。

（4）勾選「KMO與Bartlett的球形檢定」，這一步是要用來檢測資料適不適合進行因素分析，一般要求KMO超過0.7，最低不得低於0.6。

（5）點選「萃取」，進行因素的設定。

（6）因素分析的計算方法，比較常見的有「主成份法」與「主軸因子法」。

（7）在因素數目的決策上，有些研究者會用「陡坡圖」來判定。

（8）「特徵值大於1」應該是最常見判斷因素數目的方法。

（9）如果用「特徵值大於1」以外的判斷方法時，必須勾選「固定因子數目」，並填寫數量來分析出結果。

​                                    ​​ ​

（10）點選「轉軸法」，進行因素負荷量的設定。

（11）「最大變異法」是最常使用的轉軸法。在轉軸法當中，四次方最大值轉軸法、最大變異法屬於直交轉軸，Equamax轉軸法（均等變異法），透過直交轉軸法，擴大了各因素間的差異性與結構性，讓使用者能更明確區分因素間的不同。而直接斜交法與Promax法則是屬於斜交轉軸法。

（12）點選「選項」，進行報表的設定。

（13）如果無預設因素，會建議使用者勾選「依據因素負荷量排序」，這樣會讓題目按照個別因素之下的負荷量由高至低排序，更好判斷因素的分類；但如果有預設因素，就不建議勾選。

（14）由於每個題目與每個因素都會有一個數值，叫做因素負荷量，當題數過多或因數過多時，密密麻麻的數字會將低報表的易讀性，反正我們最後會按照題項的負荷量是否有超過我們對研究所設定的標準來篩選題目（此處設0.5），此時勾選「隱藏較小的係數」並填上標準，隱藏過小沒有意義的數值，可以讓因素負荷量的表格變得更容易判讀。

（15）KMO值.921，球形檢定達顯著，代表資料適合執行因素分析。

（16）從解說變異量的表格可以知道此次結果的因素分析為幾個因素（2個），以及因素對於題項的總解釋量有多高（80.004%）。

再來進入重頭戲，因素分析的過程

（17）在因素分析的最下方，會有一張轉軸後的因素負荷量表格。

（18）通常我會將這張表格貼到Excel上進行整理或判斷，題項的歸類直接歸類到數字比較大的負荷量，並用顏色標示，同一個因素下的顏色得一樣。

（19）第17步的表格是按照第13步「依據因素負荷量排序」與第14步「隱藏較小的係數」的勾選來呈現，如果第13步與第14步都不做設定的話，負荷量低於0.5的數值都會跑出來，以及題項的順序是按照第2步題項丟入的順序來排列。