[系统转发] 探索性的因子分析

Kenneth

Austin,我没有责任替学界的习惯辩护。不过，我真的不觉得是一个很大的问题。
1.没人强迫你在EFA要用正交的假设的。如果你有任何理由要用交互的假设，没有人会不同意的。只是正交假设得到的因子是最小的，比较保守。
2.因子是正交，但是EFA也容许交互载荷。在这一点他们放宽了。
3.相反的，在CFA的因子是斜交的，但是不准交叉负载。在这一点他们严谨了。
4. 我已经讲过，这只是习惯。如果你觉得有需要，完全可以在CFA要求正交的。
5. EFA 和 CFA 是两个不同的工具，不是一个工具的两个步骤。我们一般只是觉得 EFA 在未知道因子结构是“比较”合用；当知道了因子结构后，CFA “比较”合用。在EFA中，你作为研究人员是可以让因子相交的。同样，你作为研究人员也是可以让因子在CFA中不相交的。
6. 最后，我想问你，既然你不知道变量的结构，你怎么用CFA? EFA是不是唯一的选择？ 当你知道了结构以后，不同的因子在实际的情况下几乎一定会相交的。而且，你明明知道某些测量项目是在量某一个因子的，干嘛要给交叉载荷呢？是不是 CFA 比较合理？

谢谢Kenny。忽然想到：如果那些只是和学界习惯一致的论文送到Kenny那里review，不知道Kenny会不会就此写下修改意见呢？

Kenneth

看什么问题吧。这个问题肯定不会，因为我觉得大致是可以接受的。但有些问题，比如过为宽松地解释discriminant validty和convergent validity，我就不可以接受了。把p<.10看成是partially supported我也不可以接受。随意交叉地从不同的量表选项目我也不会接受。这三者在论文中都是常见的。

Kenny，我还有一个问题：不存在交叉载荷和unidimensionality是不是一个意思？谢谢！老来骚扰您：）

Kenneth

当然不是，有交叉载荷只是代表测量不好（除非是例外的情形），跟多维变量完全没有关系。多维变量的每一个维度都不会有交叉载荷的。只是第一阶因子可以再抽一个共同因子而已。

那unidimensionality是什么意思？如何检验呢？

Kenneth

unidimensionality 不是一个验证上的问题（empirical question）。它是一个理论的设定。对于单位构念，所有的项目只可以抽一个共同因子。对于多维构念，每一个维度的项目各自背后有一个因子，然后这几个因子（维度）背后再可以抽一个共同因子（我假设你的多维构念是latent model）。

Kenny好 。有一个经验性的问题就教于您：在国际期刊上发表的组织行为方面的文章，如果做探索性因素分析，可以解释的总变异（Total Variance Explained）一般会要求是%多少？谢谢！

Kenneth

Sean，我没有听过有这样的要求。因为如果是探索性因子分析，只要因子数目多的话，「可以解释的总变异」自然就多了。到了因子数等如变数量时，「可以解释的总变异」就是100%了。所以，我猜你的问题可以转化为「到底要几个因子才足够」?这个一般我们用 Eigen value > 1 和 Scree test 两个作为标准。

我猜seam的意思是EFA抽取的特征值大于1的所有因子累计解释多少变异才是可接受的（比如50%）。