探索性因子分析法

教育學習 9547 674 2014-11-24

探索性因子分析法(Exploratory Factor Analysis,EFA)是一項用來找出多元觀測變量的本質結構、並進行處理降維的技術。因而,EFA能夠將將具有錯綜複雜關係的變量綜合為少數幾個核心因子。

探索性因子分析法的起源。

因子分析法是兩種分析形式的統一體,即驗證性分析和純粹的探索性分析。英國的心理學家Charles Spearman在1904年的時候,提出單一化的智能因子(A Single Intellectual Factor)。隨著試驗的深入,大量個體樣本被分析研究,Spearman的單一智能因子理論被證明是不充分的。同時,人們認識到有必要考慮多元因子。20世紀30年代,瑞典心理學家Thurstone打破了流行的單因理論假設,大膽提出了多元因子分析(Multiple Factor Analysis)理論。Thurstone在他的《心智向量》(Vectors of Mind,1935)一書中,闡述了多元因子分析理論的數學和邏輯基礎。

探索性因子分析法的計算。

在運用EFA法的時候,可以借助統計軟件(如SPSS或SAS)來進行數據分析。

探索性因子分析法的運用。

顧客滿意度調查。

服務質量調查。

個性測試。

形象調查。

市場劃分識別。

顧客、產品及行為分類。

探索性因子分析法的步驟。

一個典型的EFA流程如下:

辨認、收集觀測變量。

獲得協方差矩陣(或Bravais-Pearson的相似係數矩陣)

驗證將用於EFA的協方差矩陣(顯著性水平、反協方差矩陣、Bartlett球型測驗、反圖像協方差矩陣、KMO測度)。

選擇提取因子法(主成分分析法、主因子分析法)。

發現因素和因素裝貨。因素裝貨是相關係數在可變物(列在表裡)和因素(專欄之間在表裡)。

確定提取因子的個數(以Kaiser準則和Scree測試作為提取因子數目的準則)。

解釋提取的因子(例如,在上述例子中即解釋為「潛在因子」和「流程因子」)。

探索性因子分析法的優點

EFA法便於操作。

當調查問卷含有很多問題時,EFA法顯得非常有用。

EFA法既是其他因子分析工具的基礎(如計算因子得分的回歸分析),也方便與其他工具結合使用(如驗證性因子分析法)。

探索性因子分析法的缺點

變量必須有區間尺度。

沉降數值至少要要變量總量的3倍。

探索性因子分析法的條件

對於主因子分析法來說,不存在異常值、等距值、線形值、多變量常態分配以及正交性等情況。

案例:您設定了一張查詢表關於用戶滿意對民航產業(聯合航空公司,三角洲,漢莎航空公司)。您辨認30個項目描述和評估買的票的用戶滿意(即「空服員的休息室的檢查便利」,「便利」,「環境」,「友善」,「履行的特別慾望」,「質量位子的食物在上」,「舒適」,「到來的特價優待例如飛行中電影」,「準確性」)。通過利用EFA您在您分析的過程之內可以使套30個項目降低到強調您的套項目的兩三個中央因素。例如,你可以將購票的方便程度、登機檢查的方便程度、候機室休憩環境、機上食品質量、座椅舒適程度、電影提供等特別服務視作潛在維度,它們是航空公司經營航空業務、提供航空服務最為重要的考量因素。此外,空服人員友好程度、特殊要求滿足程度以及飛行的精確度,更似乎位於同一個流程維度。

這就是說,EFA法就是要精確找出這些變量之間的本質結構——在上述例子中,就是要找出「潛在因子」和「流程因子」。在此分析基礎之上,管理人員就能夠有針對性地開展市場活動,通過關注「潛在因子」或是「流程因子」,來提高旅客滿意度。



,