中人网

标题: 关于因子分析的问题 [打印本页]

作者: hongyan911 时间: 2010-12-5 21:28
标题: 关于因子分析的问题
想请教两个问题：
第一，做因子分析时一般是保留loading高于0.45的item和cross-loading高于0.3的item吗？
第二，我查看您原来的博客关于探索性因子分析这部分的讨论，似乎讲到效度检验可能要用MTMM或效标效度，可是我好像记得文献中是用区别效度（discriminant validity）和聚合效度（convergent validity）。那么，一定要做效标关联效度的检验嘛？

作者: xinting.J 时间: 2010-12-6 09:07
Hongyan,先试着回答一下你的问题：

(1) 我猜你说的应该是探索性因素分析吧。不知道你为什么需要保留或删去item呢？是在开发量表的过程中吗？我理解探索性因素分析的目的不是用来决定题目的去留的，而是研究者不清楚或不事先定义item与construct的结构,“让数据说话”来探索一组变量背后是否存在潜在的因子结构。放进来做探索性因素分析的每个题目都是有原因的（比如可能来源于定性研究筛选整理的资料），不可以随便删掉。研究者需要做决定的是几个因子最合适。如果存在载荷较小或有交叉载荷的题目，需要弄清楚原因在哪里，是不是内容表达有歧义？还是这个问题确实和两个维度所说的内容都有关？然后把改编后的题目再放回量表再做一次，检验结果如何。如果仅仅根据loading大小来删减题目，那最后剩下的这些题目代表什么呢？

(2) 效度可以是一个测量方法的效度，也可以是一个研究的效度。你指的应该是前者吧？我的理解是，效度是一个统称，即“一个测量能够反映其想测量的构念的程度”。任何你可以提供的相关支持和证据都可以用来支持一个测量的效度。所以，虽然效标关联效度（用测量值与“效标”的关系来表示效度）是最常用的，但并不是必须的——如果你可以提供其它有说服力的证据。

区别效度（discriminant validity）和聚合效度（convergent validity）本来只是MTMM里的专用术语，只是后来被误用了。MTMM也是用来检验新发展的量表效度如何的。在MTMM中，同一方法测不同的特质相关较小，说明区别效度较高，即可以区分出不同特质；不同方法测同一特质的结果若相关较高，即聚合效度较高。

本帖最后由 xinting.J 于 2010-12-6 09:14 编辑

作者: hongyan911 时间: 2010-12-6 11:10
xinting,谢谢您的热心解答。

首先，我的确是在做探索性因子分析（题目中没有说清楚，见谅）。我很同意你的说法，“探索性因素分析的目的不是用来决定题目的去留的，而是研究者不清楚或不事先定义item与construct的结构,“让数据说话”来探索一组变量背后是否存在潜在的因子结构。”目前我的状况是基本判断出两个因子比较合适，但是由于前期准备的[b]题库较大，所以在选择item生成最终的正是量表时必须要做出一个选择。我的问题就是这个选择的标准是不是“一般是保留loading高于0.45的item和cross-loading高于0.3的item”？

第二，关于效度检验，我认同你说的“任何你可以提供的相关支持和证据都可以用来支持一个测量的效度。”研究是一个漫长而系统的工程，提供实证证据的形式丰富多样，在最终报告（或论文写作中）是不是要遵循一定的要求呢？换言之，哪些是研究人员关注的标准（或者说“八股文”中必须报告的）？还有一点点，区别效度（discriminant validity）和聚合效度（convergent validity）是检验同一个构念（construct）中的不同因子(factor)之间的关系还是检验这个构念与其他构念之间的关系？谢谢。

作者: Kenneth 时间: 2010-12-6 11:48
hongyan,
（1）如果你真的选择items，一般的标准是loading 大于0.4，cross loading要 “小于” 0.4; 这在很多的文章都会用的，引用应该不难。
（2）区别效度（discriminant validity）和聚合效度（convergent validity）是检验这个构念与其他构念之间的关系的。一般提供的证据，多为criteiron validity, discriminant validity and convergent validity。但是我不会说这是像“八股文”中必须报告的。我们没有这样的标准和要求的（起码以我所知道的）。

作者: hongyan911 时间: 2010-12-6 12:20
什么是cross loading？难道不是某个item 在factor 1与factor 2上两个loading的差？

作者: xinting.J 时间: 2010-12-6 13:05
Hongyan, 我猜Kenny说的cross-loading是指：某个item在各个Factor上的loading, 如果只有一个大于0.4，可以认为它清楚地属于这个factor; 但是如果有两个大于0.4，就是有cross-loading了。但你说的计算两个loading的差的方法我好像没有听说过哦。

作者: hongyan911 时间: 2010-12-6 13:28
谢咯，xinting.可我还是不太清楚呀。例如，item A在factor 1的loading 是0.49，在factor 2的loading 是0.44，那么按照“一般的标准是loading 大于0.4，cross loading要 “小于” 0.4”，这里的cross loading是多少呢？

作者: xinting.J 时间: 2010-12-6 14:05
Hongyan，不客气，本来就是大家一起学习的。你的例子里，如果根据loading最高看，item A最能够代表factor 1，但同时它又与factor 2有很高相关，所以cross loading 是.44。“cross loading小于0.4” 的意思就是，一个item只能在一个factor上 loading是大于0.4的。这个item在其它每一个factor上都有一个loading的，但是这些值都不应该大于0.4。

作者: hongyan911 时间: 2010-12-6 16:10
啊哈^_^ 再次感谢xinting，还有kenny!

作者: hongyan911 时间: 2010-12-6 16:35

补记：
常有这样一种困惑，翻看各种统计属，查阅各种文献，关于数据分析的标准倒是得到一大堆（如上例，关于cross-loading 有的是以0.3为标准、有的是0.25、有的是0.4 ），但是在实际操作时还是会感到茫然、不知所措（比如什么是cross loading，什么是效度检验，……）。打个不恰当的比方，就好比菜谱里说“添加半汤匙或一汤匙盐”，可是这个“汤匙”到底是多大呢？这个“盐”用来干吗的？什么时候“添加”？……对于大厨这不是问题，对于常烧饭的人这个也可以做得八九不离十，可是对于烧饭愚钝者或甚少下厨者，这些问题真的很要命。统计书和文献在这类问题上似乎讲得都不够透彻。不知这种困惑是有一定特殊性的（如统计分析“先天不足”的人才有）还是具有普适性呢？

欢迎大家给力跟帖！

作者: Kenneth 时间: 2010-12-7 09:50
1. 如果项目1应该是量構念（因子）A的，项目1在構念（因子）B的载荷叫做 “cross loading”。
2. 我虽然是基督徒，在这里我觉得用佛教的观念却很合用。中国人学东西就像佛教的净土宗，希望找到一个不二法门。抓着了“喃呒阿弥陀佛”，就有一条直通无量寿佛的直接途径，那就开开心心的不停的唸誦。西方人就像禅宗，表面上看是没有法门，但是内里却有心领神会的一套。我的意见是什么标准都没有是很难的，但是死抓着.4, .35, .5, .6 也只是死路一条。这不是统计的问题，也不是先天的问题，乃是后天学习文化的问题。改过来就好了。：-）

作者: hongyan911 时间: 2010-12-7 12:23
谢谢kenny.第一个问题昨天与xinting做了很好的交流。后面的补记是不知最近看了什么突然想到“接地气”这个词儿，对统计分析中的困顿油然而生。查文献多了，感到找个标准还是很容易的，只是这些个标准在实作中如何”落地“，估计这应该是一个”熟能生巧“的过程吧。

作者: Kenneth 时间: 2010-12-8 17:30
就以打乒乓球为例吧！多看（文章）、多做（研究、给人退稿多了就学会了）、多尝试。纸上谈兵是没用的。

作者: rwxld 时间: 2010-12-16 01:57
给人退稿多了就会了，喜欢这一句！

作者: happycs 时间: 2011-1-5 16:30
借机会问一下各位，我的研究是在团队层面做的，采用成熟问卷，那验证性因子分析是应该用个体数据做还是团队数据做？

欢迎光临中人网 (http://bbs.chinahrd.net/)