回复 1楼 rwxld 的帖子2 i8 }7 p+ e! [2 B
Rwxld,测量模型其实是因子分析的一个应用。测验的项目是“因子分析”里的变量,测量的潜变量,就是“因子分析”里的因子。所以对应的关系是:
4 v' w- t1 q4 N% H3 ~+ G 测验的项目 ---> 潜变量 求因子的变量 ---> 因子 3 H) l5 @ ?9 l. U f; I2 @7 h
所以,我在下面就用因子分析来解释测量模型的潜变量。为了简化,我用两个变量的例子。因子(或潜变量)的定义是变量的“加权总和”。 % ?3 X; C$ w% H9 H% ^
因子= w1 x1 + w2 x2 (w是权数,x是变量) 1 Z8 @; q6 @' y1 H
你问为什么:公司管理的专业化 = w1 (公司经营的年限) + w2 (公司销售额) 0 l1 T: N/ F* x2 S- G# T
一个是年,一个是钱,如何能加起来呢?答案很简单,是数字就可以加起来了。
; g1 b6 [$ V* {2 M& z p `. U让我举一个例子,我们用学位(x1,读了书几年)和有否受过专业投资训练(x2,1=有;0=没有)来预测在股票市场上赚钱多少(y,$)。回归方程是: / V! t/ L4 y+ r$ C, {) W
& K1 B% |9 l7 V- g7 q8 e- ?0 E Y =b0 +b1 x1 + b2 x2
& h5 T. f1 g% a% `) v* _+ {- u. H同样的,为什么“读了几年书?years”可以和一个虚拟变量(0或1)加起来,等如“赚钱多少”($)呢?你去看看一般回归的书就知道了。与回归分析类似,我们可以定义一个因子是等如两个不同单位的变量的“加权总和”。
0 G, a/ W* _. K0 z% b如果还是觉得这样太抽象,不如我们用标准化的变量来代表。我们做一个新的变量,叫做 z1 = (x1 -x1均值)/(x1的标准差)。同样,z2 = (x2 - x2均值)/(x2的标准差)。现在“年数”变成了“这家企业离开样本中所有企业平均年数的几个标准差”,那 z1 就变成没有量度单位了。同样,“销售额”变成了“这家企业离开样本中所有企业平均销售额的几个标准差”,那 z2 就变成没有量度单位了。Y就变成“这家企业离开样本中所有企业平均专业化的几个标准差”,那 Y 也变成没有量度单位了。 , C! E8 s o. |' f% E
在因子分析中,我们有兴趣的是当“公司经营的年限”(x1)和“公司销售额”(x2)改变时,这个所谓“公司管理的专业化”是如何的改变。如果“公司经营的年限”改变一点点,“公司管理的专业化”
( n0 t8 ~ b. p. I/ A的改变就很大,那么权数 w1 就很大。同样,如果“公司销售额”稍微改变一点点,“公司管理的专业化”的改变就很大,那么权数 w2 就很大。所以,我们有兴趣的不是数学的加减,而是两个变量的相关。你可以直接把这个权数看成是回归系数吧(虽然它们在概念上的意义不是等同的,不过也很类似)。 ! X9 O& t5 q1 F f* R6 K
注:w1 和w2不是因子载荷,虽然他们跟因子载荷有很大的关系(它们是一个函数的关系)。希望这样你能看得懂吧。 本帖最后由 Kenneth 于 2011-1-3 13:47 编辑
" T6 F! ^$ E: A0 c
4 z3 N0 X) i! L/ u, ^ 本帖最后由 Kenneth 于 2011-1-3 13:47 编辑 6 x0 Y* F! j. B5 D& j. T: I
% ~* L. g0 q0 X! l$ b
|