EFA 简介

R 中的因子分析

Jennifer Brussow

Psychometrician

Psycho + metrics

brainbulb

psycho = "心理"

metrics = "度量/测量"

学习目标

运行单维探索性因子分析（EFA）
查看并解读题项的因子载荷
解读个体的因子分数

因子分析与其他分析的关系

经典测验理论：总分为题项分数的不加权求和。
因子分析：分数为题项分数的经验加权和，权重由题项间相关决定。
结构方程模型：在因子分析基础上，建模潜变量之间的关系。

因子分析类型

探索性因子分析（EFA）：

开发阶段使用
探索因子结构
评估题项

验证性因子分析（CFA）：

验证量表
开发完成后使用

包

包： psych 包

由 William Revelle 开发。
更多信息见 The Personality Project。

library(psych)

数据集

gcbs 数据集：通用阴谋信念量表（Generic Conspiracist Beliefs Survey）

测评入口：Open Source Psychometrics Project
完整测试含 75 个题项，测量五个阴谋维度

str(gcbs)

'data.frame':    2495 obs. of  15 variables:
 $ Q1 : int  5 5 2 5 5 1 4 5 1 1 ...
 $ Q2 : int  5 5 4 4 4 1 3 4 1 2 ...
 $ Q3 : int  3 5 1 1 1 1 3 3 1 1 ...
 $ Q4 : int  5 5 2 2 4 1 3 3 1 1 ...
 $ Q5 : int  5 5 2 4 4 1 4 4 1 1 ...
 ...

题项类型

政府不当行为（GM）
掩盖外星人（ET）
恶意全球阴谋（MG）
个人福祉（PW）
信息控制（CI）

分层因子结构

单因子结构图

EFA_model <- fa(gcbs)
fa.diagram(EFA_model)
EFA_model$loadings

Loadings:
    MR1  
Q1  0.703
Q2  0.719
Q3  0.638
Q4  0.770
Q5  0.672
Q6  0.746
Q7  0.734
Q8  0.654
Q9  0.695
Q10 0.565
...

fa_diagram

Passons à la pratique !

R 中的因子分析