探索性因子分析

什么是探索性因素分析

问题一：探索性因素分析和验证性因素分析的区别 探索性因子分析和验证性因子分析相同之处
两种因子分析都是以普通因子分析模型作为理论基础,其主要目的都是浓缩数据，通过对诸多变量
的相关性研究,可以用假想的少数几个变量（因子，潜变量)来表示原来变量(观测变量)的主要信息。
探索性因子分析和验证性因子分析的差异之处
1.基本思想不同
探索性因子分析主要是为了找出影响观测变量的因子个数,以及各个因子和各个观测变量之间的相关程度,以试图揭示一套相对比较大的变量的内在结构。而验证性因子分析的主要目的是决定
事前定义因子的模型拟合实际数据的能力,以试图检验观测变量的因子个数和因子载荷是否与基于预先建立的理论的预期一致。
2.应用前提不同
探索性因子分析没有先验信息,而验证性因子分析有先验信息。
详情见:wenku.baidu/link?url=w_nw0aI0KN0XpL1SEmbOjjwxOeampOzKefUEg1aRzWG27Iep7kPTvDrKY-toinCbLgoHe0r4COCzymPwhgAj_5Pe6bv9Y0HBhOVzVSRqDTK

问题二：探索性因素分析应抽取几个因素为宜？为什么 探索性因素分析顾名思义，它是一种探索性的分析技术，通常情况下你是不会设定抽取几个因素的，因素分析会自己分析出几个因素适宜，然后你给各个因素一个合理的命名即可。
当然操作上你也是可以指定抽取数量的，如果已经有理论依据，你可以根据已有的理论决定抽取几个。
无论抽几个，因素分析是一种数据简化技术，抽取的结果肯定不能合原题目数一样多或者太接近

问题三：探索性因素分析假设有什么特点 探索性因子分析法的优点
1、EFA法便于操作。
2、当调查问卷含有很多问题时，EFA法显得非常有用。
3、EFA法既是其他因子分析工具的基础（如计算因子得分的回归分析），也方便与其他工具结合使用（如验证性因子分析法）。
探索性因子分析法的缺点
1、变量必须有区间尺度。
2、沉降数值至少要要变量总量的3倍。
望采纳

问题四：什么是探索性因子分析 你在问什么啊信度怎么会和效度一样呢效度的话其中结构效度可以用因子分析来做，最简单的也就是探索性因子分析

问题五：SPSS探索性因素分析 肯定有些项目与多个潜变量相关，删除一些载荷、贡献率小的项目是方法之一。

问题六：探索性因子分析的目的意义有哪些 看你对变量理论的分组符不符合实际的情况，是确保模型合理性的前提

问题七：什么是探索性数据分析 探索性数据分析是指为了形成值得假设的检验而对数据进行分析的一种方法，是对传统统计学假设检验手段的补充。该方法由美国著名统计钉家约翰・图基(John Tukey)命名。

问题八：结构方程什么情况下需要探索性因子分析 探索性因子分析法（Exploratory Factor Analysis，EFA） 探索性因子分析法（Exploratory Factor Analysis，EFA） 是一项用来找出多元观测变量的本质结构、并进行处理降维的技术。 因而， EFA能够将将具有错综复杂关系的变量综合为少数几个核心因子。

问题九：探索性因子分析法的介绍 探索性因子分析法（ExploratoryFactorAnalysis，EFA）是一项用来找出多元观测变量的本质结构、并进行处理降维的技术。因而，EFA能够将具有错综复杂关系的变量综合为少数几个核心因子。对于主因子分析法来说，不存在异常值、等距值、线形值、多变量常态分配以及正交性等情况。

问题十：探索性因子分析 探索性因子分析，还是要根据你开始假设的是几个维度进行，然后根据你每个维度的共同度和因子负荷来弄删除一些题项。你说的9个因子肯定不性，然后要删除以下题目。
如果你的因子稳定了才能够进行均值，相关分析等。
现在，最重要的是构建你自己的因子模型。有的严格些就要做验证性因子分析，才把一个维度的题目合并，组成平均分之类。
以上回答你满意么？

探索性因子是什么

探索性因子分析(EFA)就是将所有测量题目放在SPSS中做因子分析，EFA的目的就是探寻测量题目所应归属的因子或潜变量。一、 探索性因子分析（EFA）1.1做EFA的前提输出的反应象相关矩阵中，取样适切性量数（对角线位置的数据，MSA）越接近1表示越适合进行因子分析，如果0.8.1.2 估计因子负荷量的方法主要包括：主成分分析法、主轴因子法、极大似然法等其中最常用的是主成分分析法，也是SPSS中默认的方法，以现行方程式将所有变量加以合并，计算所有变量共同解释的变异量，该线性组合为主要成分。1.3转轴转轴的主要目的是协助因素更具解释意义，常用的转抽方法有直交转轴法和斜交转轴法。其中最常使用的还是正交转轴，一是它是多数统计软件中的内设选项；二是正交转轴生成的结果简单，易于解释；三是在EFA中，根据实际数据检验结果来看，不用太过在意转轴的方法，因为结果都相差不多。转轴后每个因子的特征值会变，但是总特征值不变，总解释方差不变。转轴后每个题项在不同因子上的因子载荷会变，但是每个题项的共同性不变，原来能被因子解释多少，现在能被解释多少。1.3.1直交转轴直交转轴法又分为最大变异法、最大四次方值法、最大平衡道法，其中最常用的是最大变异法。直交转轴法输出的结果有：公因子方差：共同性，所有共同因子对该题项能够解释的变异量。共同性越高越适合因子分析，如果共同性低于0.2，可以考虑将该题项删除（此时因子载荷0.3是，最好采用斜交转轴。斜交转轴法输出的结果有：公因子方差：共同性，所有共同因子对该题项能够解释的变异量。共同性越高越适合因子分析，如果共同性低于0.2，可以考虑将该题项删除（此时因子载荷1、事先决定准则法。1.4.1抽取特征值>1缺点是如果题项太多，可能会抽出比较多的因子。1.4.2抽取固定数目的因子如果相关理论文献已经有很明确的一直构念，那么在决定因子数目时可以参考，设置固定的提取因子数目，因此这种情况下也可以使用CFA。