檢視探索性因子分析法的原始碼

{| class="wikitable" align="right"
|-
|<center><img src=https://p2.itc.cn/q_70/images03/20210201/a7c5f96db3244cb79e61a33e148ee007.png width="350"></center>
<small>[https://www.sohu.com/a/448121335_387904 来自 搜狐网 的图片]</small>
|}

'''探索性因子分析法'''是各类术语中的一个名词。

在汉字的历史上，人们通常把秦代之前留传下来的篆体文字和象形文字称为“古文字<ref>[https://www.sohu.com/na/457519286_209689 什么是古文字，古文字是如何识别出来的]，搜狐，2021-03-26</ref>”，而将隶书和之后出现的字体称为“今文字”。因此，“隶变<ref>[https://www.sohu.com/a/464783594_100263297 隶变，变什么了？]，搜狐，2021-05-06</ref>”就成为汉字由古体（古文字）演变为今体（今文字）的分界线。

==名词解释==

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。

探索性因子分析法的起源

因子分析法是两种分析形式的统一体， 即验证性分析和纯粹的探索性分析。 [[英国]]的心理学家Charles Spearman在1904年的时候，提出单一化的智能因子（A Single Intellectual Factor）。 随着试验的深入，大量个体样本被分析研究，Spearman的单一智能因子理论被证明是不充分的。 同时，人们认识到有必要考虑多元因子。 20世纪30年代，瑞典心理学家Thurstone打破了流行的单因理论假设，大胆提出了多元因子分析（Multiple Factor Analysis）理论。 Thurstone在他的《心智向量》（Vectors of Mind， 1935）一书中，阐述了多元因子分析理论的数学和逻辑基础。

探索性因子分析法的计算

在运用EFA法的时候，可以借助统计软件（如SPSS统计软件或SAS统计软件）来进行数据分析。

探索性因子分析法的运用

1、顾客满意度调查。

2、服务质量调查。

3、个性测试。

4、形象调查。

5、市场划分识别。

6、顾客、产品及行为分类。

探索性因子分析法的步骤

一个典型的EFA流程如下：

1、辨认、收集观测变量。

2、获得协方差矩阵（或Bravais-Pearson的相似系数矩阵）

3、验证将用于EFA的协方差矩阵（显著性水平、反协方差矩阵、Bartlett球型测验、反图像协方差矩阵、KMO测度）。

4、选择提取因子法（主成分分析法、主因子分析法）。

5、发现因素和因素装货。 因素装货是相关系数在可变物(列在表里)和因素(专栏之间在表里)。

6、确定提取因子的个数（以Kaiser准则和Scree测试作为提取因子数目的准则）。

7、解释提取的因子（例如，在上述例子中即解释为“潜在因子”和“流程因子”）。

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。

探索性因子分析法的假定

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。

==参考文献==
[[Category:800 語言學總論]]