塞斯顿
人物生平
瑟斯顿(1887-1955)，美国心理学家，美国心理测量学会的创立者之一，并任第一届心理测量学会主席。瑟斯顿在测量理论、社会评价和人格等理论的应用方面均作出了巨大的贡献。1933年当选为美国心理学会主席，1938年当选为国家科学院院士。
人物轶事
能力层次结构理论 认为智力是一些基本心理能力(primary mental ability)的组合。 人类的智力是由七种基本能力组合而成： （1）语文理解（Verbal comprehension，V）, 理解语文涵义的能力； （2）语词流畅（word fluency, W）, 语言迅速反应的能力； （3）数字运算（number, N), 迅速正确计算的能力； （4）空间关系（Space, S），方位辨别及空间关系判断的能力; （5）联想记忆(associative memory, M), 机械记忆能力： （6）知觉速度(perceptual speed, P), 凭知觉迅速辨别事物异同的能力； （7） 一般推理（general reasoning, R）, 根据经验做出归纳推理的能力
Ph.D. in Psychology from the University of Chicago, 1917. Instrumental in the development of psychometrics. Developed statistical techniques for multiple-factor analysis of performance on psychological tests. Seminal works: The Vectors of Mind (1935) and Multiple-Factor Analysis (1947) http://www.sgipt.org/biogr/thursl.htm
瑟斯顿的群因素论简介
瑟斯顿的群因素论简介
瑟斯顿的群因素论又称“基本心理能力论（primary mental abilities）”。
美国心理学家瑟斯顿（Louis L·Thurstone）是著名的心理计量学家，他凭借着多因素分析的方法，突破过去的智力因素理论的框架，并提出了他的“基本能力”（ Primary abilities）学说。瑟斯顿认为，个体的智力可分析为几种基本能力因素，这些基本能力因素的不同配搭便构成每一个人独特的智力整体。他的观点与斯皮尔曼的智力二因论不同，斯皮尔曼的观点是先有一个总的智力，然后有许多特殊智力，瑟斯顿则提出智力包括七种平等的基本能力。 瑟斯顿所提出的七种平等的基本能力是： 语词理解（Verbal comprehension，V）, 理解语词涵义的能力；
语词流畅（Word fluency, W）, 语言迅速反应的能力；
数字运算（Number, N), 迅速正确计算的能力；
空间关系（Space, S），方位辨别及空间关系判断的能力; 联想记忆(Associative memory, M), 机械记忆能力：
知觉速度(Perceptual speed, P), 凭知觉迅速辨别事物异同的能力； 一般推理（General reasoning, R）, 根据经验做出归纳推理的能力。 瑟斯顿的七种基本心理能力是根据其中的六种能力的相关计算而成。各种心理能力并不是彼此独立的，它们之间有一定的相关量。例如，推理（R）与语词流畅（W）的相关为0.48；数字运算（N）与语词理解（V）的相关为0.38；语词流畅（W）与语词理解（V）的相关为0.51。这似乎说明在群因素之外还存在着一般因素。瑟斯顿修改了关于各因素之间独立性的看法，提出二阶因素（Second order factor）的概念，即在彼此相关的第一阶因素的基础上，再度进行因素分析，但此时分析的不再是各种测验间的共同因素，而是各种因素间的共同因素。 他认为斯皮尔曼的G因素可能是这种二阶的因素，它在推理因素、语词流畅因素和语词理解因素中有较大的负荷，而与记忆因素、空间知觉因素和知觉速度因素只有较小的关系。但是，在评价一个人的智力时，分析特殊能力更有用。他说：“我们不要老是说智力，而是要说与这件事有关或无关的智力。”瑟斯顿在1941年根据上述七种基本能力编成的“基本心理能力测验”（ Primary Mental Abilities Test，PMAT）是著名的智力测验之一，他证明确实存在着七种基本能力。 瑟斯顿的群因素论评价
斯皮尔曼和瑟斯顿都修正了自己的学说，二者趋于接近。斯皮尔曼的二因素说现在可以称为“一般因素--群因理论”，而瑟斯顿的群因素说现在可以称为“群因素-一般因素理论”。 瑟斯顿所提出的七种基本能力，已经成为心理学工作者研究智力结构的重要资料。在现代智力因素理论中，他的群因素论起着承前启后的重要作用。自从群因素学说提出后，智力因素研究转向对智力的深入的因素分析，此后形成两种倾向：一种是构造包括普遍因素和各种基本能力在内的智力等级体系，另一种是在独立的智力因素之上建立智力结构模型。
探索性因子分析法
探索性因子分析法（ExploratoryFactorAnalysis，EFA）
什么是探索性因子分析法？ 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CharlesSpearman在1904年的时候，提出单一化的智能因子（ASingleIntellectualFactor）。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（MultipleFactorAnalysis）理论。Thurstone在他的《心智向量》（VectorsofMind，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。