驗證式因素分析 (CFA):詮釋
Factorial Validity and Confirmatory Factor Analysis

神掌打通任督二脈‧易筋經以簡馭繁

因素分析簡介

探索式因素分析(EFA): SPSS應用

因素效度

驗證式因素分析(CFA) 

分析檢定程序

決定研究問題

決定研究構念

跑出CFA因徑圖

檢定的標準與解釋

輻合效度(convergent validity)

區別效度(discriminant validity) 


因素分析簡介

因素分析是多變項萃取與分類統計工具,又分為2類:第一類稱為探索式因素分析exploratory factor analysis, EFA),目的在萃取構念(construct)-或稱隱性因素(latent factor),並用以建構量表。建構的程序為:

1.設計題庫:依據研究目的,收集相關項目。

2.因素萃取:一般使用SPSS

3.因素命名:根據理論邏輯進行因素命名-亦可視為「構念」命名。

4.建構量表:淨化量表項目以建構具備信度的測量工具-最常見的是「總加量表」。

第二類為驗證式(confirmatory factor analysis, CFA),是檢驗「因素效度」-或稱「因素組合」-確認構念存在、以及應用構念發展理論的方法。

因素分析是相關分析與變異數分析的綜合進階應用。


因素效度(Factorial Validity)

因素是否可以被測量到?牽涉到效度問題,而針對因素分析,又有因素效度之說,學者又有2種主張。

第一種,指在探索式因素分析(EFA)中,在各變項中可粹取出抽象 的構念因素,而因素變異量占總變異量的程度就是因素效度(Factorial Validity, Garson [171])。但這種關係和效度的原始定義並不完全一致,Nunnally [258]便建議這種概念宜正名為「因素組合」(factorial composition)比較妥當。

第二種,是以下驗證式(CFA)因素分析的延伸應用。

驗證式因素分析(CFA)

EFA分析是事前不知因素為何,經由題庫中的項目萃取而得。
CFA係依據理論建構事前已假設因素之存在與其所包含的項目,而後驗證其符合的程度。
分析因素與變項間的相關,就是驗證輻合效度(convergent validity),而分析各因素之間的的相關,就是驗證區別效度(discriminant validity),所以CFA也是構念效度的分析工具之一。
另外,CFA也經常配合因徑分析(Path Analysis)/結構方程模型(Structural Equation Modeling, SEM),並使用其統計軟體進行分析。這些軟體的優點,是能夠自動繪製驗證之多變項概念模型。

在Amos問世之前,SPSS也可使用FA逆向分析CFA。當然Amos有許多優點,但使用SPSS,更能理解其驗證邏輯、掌握其分析意義,避免垃圾進出(GIGO)的狀況,是一個初學者練內功的好方法。

(1)分析檢定程序

a.決定研究問題

採用Jeremy J. Albright and Hun Myoung Park所介紹的美國政治態度研究為範例,研究問題為「左派與右派政治態度的差異」。

b.決定研究構念

根據研究文獻,研究者假設左派與右派政治態度的差異,可以劃分為二個主要的層次:對「社經」的態度、及對「道德」的態度。每一種態度即為一項研究「構念」,每個構念由1個總加量表測量,2量表各包含3個測項目。

c.選擇統計軟體

假設使用SPSS的 Amos。

也可以使用SPSS,更能理解其驗證邏輯、掌握其分析意義,避免垃圾進出(GIGO)的狀況,是一個初學者練內功的好方法,詳細程序如「驗證式因素分析 (CFA):應用與實作」。

d.拉CFA因徑圖

 Amos 的優點,是使用箭頭線條工具,拉出各物件(因素、項目、誤差),就可以自動跑出各種數據。

驗證式(CFA)因素分析

(2)檢定的標準與解釋

橢圓形的是先驗假設的構念:社經、道德
矩形是項目
圓形是誤差
線條上的數字是相關係數
矩形右上方是判定係數,即可解釋變異量百分比。

a.輻合效度(convergent validity)

輻合效度(convergent validity)即構念與項目的「1組」相關係數。

可按照相關「重要性」的一般準則,再作全盤評估。

       r < .3

相關性不重要

.3 < r <.7

相關重要性中低,視個案而定。

.7< r <.9

相關性具重要性

.9 <r

相關性具高重要性

本例除了 ECONOMIC 與 govtresp 相關偏低外,其餘均在 .35以上。 

故可支持輻合效度(convergent validity)約達到可接受之中低水準。 

b.區別效度(discriminant validity)

即各因素之間的的相關係數,要愈趨近於0愈好。
本例是0.01,可以通過檢定。

如果因素在3個以上,也是以「1組」相關係數作全盤評估。

c.以「共變項分析」萃取法之卡方分析

CFA若以「共變項分析」萃取法為主,則可以進一步檢驗,比較「觀察變項之共變項矩陣」與「理論模式中的共變項矩陣」的卡方分析。卡方分析有2型,最常見的是比較觀察值和期望值是否有顯著差異;而第二型「適合度分析 (Fit of Goodness)」剛好反過來,分析觀察值是否符合「理論值」(這時可能不是純隨機的期望值)的分配。所以,「適合」的指標是:
(a)卡方值必須接近於0。
(b)同時,檢定不得到達差異顯著水準。(因未達顯著水準經常是樣本不足造成的,所以「同時」的觀念非常重要。)
另外,也有一些學者提供了其他的檢定指標。

不過,「共變項分析」屬於多變項分析範圍,在此階段,我們暫不討論。


從知識論與方法論的觀察

以上 Jeremy J. Albright and Hun Myoung Park 所介紹的美國政治態度研究,在測量方法上,劃分為對「社經」的態度、及對「道德」的態度。每一種態度即為一項研究「構念」,每個構念由1個總加量表測量,2量表各包含3個測項目。

這項研究顯然沒有考量「總加量表的合理項目數」,吳統雄對心理態度行為測量、與總加量表的研究,已經指出:「總加量表的合理項目數」不得少於5,若少於5是極可能沒有意義的。

其實不待吳統雄的解說,只要知道「總加量表」,就是我們習以為常的「考卷」,「量表項目數」就是「考題數」,身經百考的人都知道,題目太少的考卷是沒有意義的,不論考國文、數學、英文…的考卷,若只有3題選擇題,有可能區別眾人的真正程度差別嗎?

但以上的範例,卻刊登在所謂頂級國際期刊上,更成為許多國際頂級大學教科書、教學網站上,在教授驗證式因素分析(CFA)、SPSS 的常用教材。

顯示這麼多的所謂頂級研究者、學術評審、教授…,其實和16世紀以前的頂級學術組織--紅衣大主教集團一樣,其實都在抄寫、累積羊皮聖經,互相吹捧以獲得宗教式的光環與資源,他們對聖經所述到底是否為知識,是既無能力辨識、更無興趣探索的。

這種在「知識論上空白」完全相同的例證,在本系列講義中,所在多有,足見是當前的常態,也作證「人類行為研究」在當前,還不是科學知識。

而我們的努力,就是要開創足以解釋、預測、實證人類行為的「第3類知識」。


note 管理研究統計課程-問卷

回頁首 Up to page head 至頁尾 Down to page bottom
上一頁 Back to previous page 回頁首 Up to page head 下一頁 Go to nex page  

統雄數學神掌系列目錄
分享意見反映
統計教學的內涵與取向
高考統計考題的解析
微積分精華篇
微積分思想篇
微積分進階精華篇
統計/數學符號與其英語讀法
資料型態與視覺呈現
敘述統計
機率論與機率分配
推論統計學精華篇
t分配與 t檢定
推論統計‧理論建構
資料分析程序與SPSS基礎
SPSS 資料清理
SPSS 轉換:Recode 重新編碼
SPSS 轉換:Compute 建構新變項
SPSS 選擇觀察值_SPSS 資料庫管理
樣本代表性檢定
單變項:類別_二元資料/詮釋
單變項:類別_二元資料/應用
單變項分析:連續資料
單變項連續資料視覺檢視與清理
卡方分析(雙向)
多向卡方分析
單向卡方分析
變異數分析(單因子):詮釋
變異數分析(單因子):應用
簡單迴歸/相關分析:詮釋
簡單迴歸/相關分析:應用
對數/邏輯相關分析
測量工具信度/效度分析
量表信度 檢定
量表效標關聯效度 檢定
探索式因素分析 (EFA):詮釋與實作
探索式因素分析 (EFA):應用進階
因素效度分析_CFA:詮釋
因素效度分析_CFA:應用
多變項分析精華篇
多元迴歸分析:詮釋
多元迴歸分析:應用
一般線性模型精華篇
廣義線性模型
雙因子/多因子變異數分析
調節模型與交互作用詮釋
調節模型分析與建構
SPSS 統計圖應用:調節模型檢定
共變數分析/詮釋
共變模型建構/應用
因果模型與因果邏輯
中介模型分析
因徑/SEM:模型詮釋與因果邏輯
因徑/SEM:探索式因徑模型建構
因徑/SEM:驗證式結構方程解析
多變項分析實例SEM
多變項分析實例SEM+調節篇
因徑/結構方程SEM:反省
無母數統計
統計研討篇
專題-卜豐投針實驗
專題-機率與統計悖論
1類知識計量工具
2類知識計量工具
3類知識計量工具
非等機率知識體系建構
TX空時座標建構
一般取用測量
信仰取用測量
研究方法/民調市調系列
請點這裡看所有留言分類 Please click here to view categories of comments
同類別內相關主題