探索性因素分析在刪除題項的過程中，會有多次往復來回的重複步驟，要刪除哪一題，一次刪除多少題或者怎麼刪除題項，其實都沒有固定的答案，只有經驗法則而已。 1. crossloading在二個因子上的負荷量都大於0.4，可以考慮刪除。 2. 負的因素負荷量請考慮刪除。 3. 每次刪除的題項有可能在下一次執行時添加回來，例如第一次執行刪除了題項A，但覺得仍不理想，於是想要再執行一次並嘗試刪除題項B，此時也必須考慮題項A加回來的可能性。 無論如何，探索性因素分析到底怎麼執行，執行幾遍，最後只要出現能解釋的結果，都可以接受。 因為探索性因素分析的命名原本就是一種藝術，而非有絕對步驟可依循，以最能代表因素的名字來決定即可（Yong & Perace, 2013）。因素命名是「理論的、主觀的、歸納的」過程，為了提供有意義的解釋，每個因子至少要有二或三個題項（Taherdoost et al., 2014）。且最終皆由研究者進行有意義的定義 文獻： Yong, A. G., & Pearce, S. (2013). A beginner’s guide to factor analysis: Focusing on exploratory factor analysis. Tutorials in quantitative methods for psychology, 9(2), 79-94. Taherdoost, H. A. M. E. D., Sahibuddin, S. H. A. M. S. U. L., & Jalaliyoon, N. E. D. A. (2014). Exploratory factor analysis: Concepts and theory. Advances in Pure and Applied Mathematics, 375-382.
(1)許多文獻都有提到，但基本上是因為某題項因素負荷量大於0.4，它就比較不會也依附在另一個因素有較高的負荷量。 截圖：imgur.com/a/wUpv1 文獻：Costello, A. B., & Osborne, J. W. (2005). Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis. Practical assessment, research & evaluation, 10(7), 1-9. (2)刪到每個構面不足三題，建議就刪除整個構面，有負數的題項更是不合理的。 (3)探索性因素分析之後不用再做驗證性因素分析，如果要做，必須重新蒐集另外一批樣本才行。您的發問中所提到的方法，其實是畫蛇添足的作為，與其刪除探索性因素分析中低於0.6或0.7的題項再做驗證性因素分析，那為何不直接進行驗證性因素分析就好呢？ 以上。
因為探索性因素分析的命名原本就是一種藝術，而非有絕對步驟可依循，以最能代表因素的名字來決定即可（Yong & Perace, 2013）。因素命名是「理論的、主觀的、歸納的」過程，為了提供有意義的解釋，每個因子至少要有二或三個題項（Taherdoost et al., 2014）。依此敘述，擁有三個以上的題項仍是相對較好的選擇，且最終皆由研究者進行有意義的定義（Henson & Roberts, 2006）。據此，探索性因素分析之呈現結果，若可有合理的解釋與命名，較能確保後續研究的進行，提出適當的討論與建議。 Yong, A. G., & Pearce, S. (2013). A beginner’s guide to factor analysis: Focusing on exploratory factor analysis. Tutorials in quantitative methods for psychology, 9(2), 79-94. Taherdoost, H. A. M. E. D., Sahibuddin, S. H. A. M. S. U. L., & Jalaliyoon, N. E. D. A. (2014). Exploratory factor analysis: Concepts and theory. Advances in Pure and Applied Mathematics, 375-382. Henson, R. K., & Roberts, J. K. (2006). Use of exploratory factor analysis in published research: Common errors and some comment on improved practice. Educational and Psychological measurement, 66(3), 393-416.
為何探索性因素分析的特徵值（eigenvalue）要大於1？ 原因就是沒有大於1的元件，其題項們的信度有可能是負值，並不合理。 文獻截圖： imgur.com/a/y86zEHn 文獻來源： Cliff, N. (1988). The Eigenvalues-greater-than-one Rule and the Reliability of Components. Psychological Bulletin, 103(2), 276-279.
Yong, A. G., & Pearce, S. (2013). A beginner’s guide to factor analysis: Focusing on exploratory factor analysis. Tutorials in quantitative methods for psychology, 9(2), 79-94. Taherdoost, H. A. M. E. D., Sahibuddin, S. H. A. M. S. U. L., & Jalaliyoon, N. E. D. A. (2014). Exploratory factor analysis: Concepts and theory. Advances in Pure and Applied Mathematics, 375-382. Henson, R. K., & Roberts, J. K. (2006). Use of exploratory factor analysis in published research: Common errors and some comment on improved practice. Educational and Psychological measurement, 66(3), 393-416.
您好，若5個因素都合理，其中題項的歸屬都能解釋，我認為並無特別不妥，仍是可以接受範圍。按文獻解釋，每個因子至少要有二或三個題項（Taherdoost et al., 2014），且最終皆由研究者進行有意義的定義（Henson & Roberts, 2006）。 Taherdoost, H. A. M. E. D., Sahibuddin, S. H. A. M. S. U. L., & Jalaliyoon, N. E. D. A. (2014). Exploratory factor analysis: Concepts and theory. Advances in Pure and Applied Mathematics, 375-382.
Henson, R. K., & Roberts, J. K. (2006). Use of exploratory factor analysis in published research: Common errors and some comment on improved practice. Educational and Psychological measurement, 66(3), 393-416.
謝謝老師!!!講解很清楚!!!
有朋友問道：老師您好，原來問卷若為5個元件，但跑出來只有4個元件的話要怎麼辦呢?
以下回答：若您已經知道您的題項「應該」執行出5個因素（元件），代表您的題項「應該」早有理論支持，所以要使用驗證性因素分析，而非探索性因素分析。
老師好～所以採驗證性因素分析，是否可以不用做 KMO, Bartlett, 算特徵值, 解釋變異, 累積解釋變異等的因素檢定呢？目前研究回推服務品質，原來沿用學者共 3 個構面10個題目，跑完縮減維度後，結果僅有 1 個構面（實在不知是哪個環節出問題）謝謝～
@@leeaissa6089 您好，嚴格來說，同一群樣本不應該同時使用探索性因素分析又進行驗證性因素分析，只能選擇其一來處理。若您的問卷題項是經過增刪過或自己設計的，那請使用探索性因素分析；如果您的量表完全是引用文獻的，則使用驗證性因素分析即可。但不論如何，因素分析有極大的可能，無法出現您覺得理想的結果，所以有時候會進行刪除部分題項的動作，如果實在都無法處理出您要的結果，就代表您的原始資料真的不符合理論，無法使用因素分析的方式來表現效度，這是非常有可能發生的事情，但並不是您操作的問題，還請知悉，以上。
@@YenkuKuo 老師好～太感謝您了。
我的量表是量表完全是引用文獻，所以會使用驗證性因素分析。目前寫到因素分析萃，但萃取出來只有一個大於1的特徵值（應該要3個），所以也無法做刪除題目的動作。那原始資料不符合理論，無法使用因素分析的方式來表現效度。是不是直接用內容效度來替代！謝謝。
@@leeaissa6089 您好，既然您使用了驗證性因素分析，為何還會有特徵值？請您再確認一下。
@@YenkuKuo 好的！謝謝老師～
第三个问题是：如果做相关分析，用探索性因子分析（因为有部分条目删了）得出的新的变量做呢？还是原量表的均数值作为变量做呢？
这几个问题是我百思不得其解的困惑，所以才打扰郭教授求助的，谢谢您啦❤！
若是您先執行了探索性因素分析，那相關分析當然要以探索性因素分析的結果來進行，否則探索性因素分析就沒有意義了，以上。
@@YenkuKuo 明白了，谢谢教授耐心解答。
老師您好，看您的影片得知cross-loading和負值的loading都需要刪除，且你認為一題一題刪除比較好，那我想問幾個問題
1. 刪除的順序是負數的loading先，然後再來刪cross-loading嗎? (因為發現刪不同題會出現不同的結果，這個是網路上看到的)
2. 呈上，如果是負數先，那是負越多的先刪嗎?cross-loading的部分是值越大的先刪嗎?
3. 如果沒有特定的順序，那想另外請問判斷是否正確的標準是最後有成功分成不同構面且刪除的題數最少，才算正確嗎?
4. 另外還想請問，如果變數名稱跟老師一樣用組織1這種，而不是題目下去設定變數名稱，有可能會影響分析結果嗎?
謝謝老師！
您好，您的問題都提出得非常好，想必經過了多次探索性因素分析的經驗。不過，探索式因素分析真的非常「藝術」，您詢問的刪題順序其實也沒有定論，一般共識是負數的負荷量必然會刪除，然後cross-loading視情況刪除，但是順序真的不好說，只能按照每次的狀況去嘗試。但是您的第三個問題非常好，判斷的參考應該是「能夠分成您可合理解釋的數個構面」以及「累積解釋變異量為最大之情況」，至於刪除題數是多是少倒是沒有關係，只是通常題數刪除的少，保留的資訊比較多，然後解釋變異量也通常較大，我覺得只要每個構面至少還有三題，都還是合理的範圍。綜上，探索性因素分析真的有很多變化，需要研究者非常耐心地去嘗試摸索，最終得到合理的結果就可以了，以上。
第二个问题是：如果做Amos结构模型，应该用探索性因子分析之后得出的新纬度计算出的均数值 做观察变量？还是原量表的纬度计算出的均数值 做观察变量呢？
探索性因素分析不應該與驗證性因素分析在同一份研究中同時使用，所以您的問題其實不應該存在。但請注意，AMOS的觀察變量，請用平均數來代入，會是比較恰當的作法，以上。
@@YenkuKuo 我的5个量表中2个是需要汉化的，3个是成熟的量表。那么只要把进行汉化的2个量表进行探索性因子分析，3个成熟的量表进行验证行因子分析，这样做对吗？
郭教授麻烦您请教一个问题：探索性因子分析得出4个纬度，但
各纬度里的条目（问题） 与 原量表的4个纬度中各纬度里的条目不一致。混乱的条目组成了探索性因子分析的纬度。1这个结果可以用吗？2怎么处理比较好呢？期待教授的帮助解答❤
探索性因素分析無法預期萃取的因子個數，也無法保證每個因子裡面的題項組合，所以，才叫做「探索」。若是已經有文獻說明應該有幾個因子數目以及每個因子內部的所屬題項，那您該直接使用驗證性因素分析，而不是探索性因素分析，以上。
@@YenkuKuo这个是我毕业论文中的5个量表中的其中之一，这个要汉化的量表，那么要不要探索因子分析呢？
@@胡萝卜-w3e 重點是這個漢化的量表已經有先前文獻說明因子數目與題項歸屬了嗎？如果有，請直接使用驗證性因素分析，以上。
老師還有就是 我的問卷有7個構面 但轉軸矩陣卻只有5個構面(元件) 請問這是正常的嗎?
請問老師～若問卷並無構面，或是各構面的題項不平均（有的四題 有的三題）可做因素分析嗎？
可以的，只是探索式因素分析之後的結果要能夠有合理解釋，以上。
thanks for your video. its really help. 但是我有一個地方不是很明白，就是轉軸後的成份距證中，出現負數且大於0.5一定要delete嗎？ (我看講義說可以保留）負數有代表其他意思嗎？EG：有負相連？或者是正數的站數值愈大就是代表相連最大？謝謝
不好意思，之前沒看到您的留言。因素負荷量一定是要正值，若是負數並不合常理，實務上，我會刪除負值以及小於0.4因素負荷量的題項，然後再行一次因素分析，直到最後結果可以接受或可供解釋為止。
三構面測出5構面的修改 13:48
請問老師KMO與Bartlett檢定的顯著值不為0但是小於0.05是可以的嗎？
可以的。
请教郭教授这个难题：探索性因子分析结果得出的纬度与原量表不一致，各纬度的题项与原来量表也很多不一致的，还能继续做AMOS中介，模型分析吗？是用新的纬度继续做吗？
有一個原則，務必再提醒您：如果有所謂的原量表緯度，那就代表您不應該使用探索性因素分析，而是必須使用驗證性因素分析，然後再接著AMOS中介模型分析，這樣能理解嗎？換句話說，您的論文中根本不會存在探索性因素分析這個統計技術，以上。
@@YenkuKuo 谢谢郭教授讲解，我能够理解的您上面话的意思，但主要问题是我这个量表需要汉化的，所以不知道需要用什么因子分子分析呢？
@@胡萝卜-w3e
我個人認為正確作法應是如此：
1. 蒐集第一批樣本，進行探索性因素分析。
2. 發現新的維度數目與題項歸屬之後，蒐集第二批樣本。
3. 進行驗證性因素分析，確認新的維度數目與題項歸屬是具有建構效度的。
4. 撰寫論文的研究結果。
以上。
@@YenkuKuo 您说的思路我是认同的，由于各种原因最终只能收集到一份数据，五个量表分别是1和2是汉化的量表，3.4.5是成熟中文量表。那么在效度检验时使用哪种因子检验更适合呢？
@@胡萝卜-w3e 將目前蒐集到的樣本拆成二個部分，漢化量表就能使用我上一次回答的作法。至於成熟中文量表，就使用全體樣本直接進行驗證性因素分析，以上。
老師你好，想請問你我在進行問卷的前測目的是想要刪除信度不好的問題以及過多的題目，我的指導老師希望我進行探索性因素分析。
1.我的前測問卷只有21份，把所有的題目8個構面41題，把信度不足的刪除後還剩下27題，但跑因素分析時相關性矩陣顯示 此矩陣並非正定的，是不是因為我問卷的份數太少了?如果相關性矩陣是如此那麼下面的樣型矩陣等等還有看的意義嗎?
另外想請問我的構面有8個原本是參考了某篇論文的4個構面但是跟該領域的專家討論，他認為這四個構面不夠，最後增加到8個，那麼我的研究算是探所性的還是驗證性的研究呢?適合進行探索性的因素分析嗎?
(8個構面在該研究領域都有不同的文獻寫說他們有所相關，但沒有把8個構面一起討論的論文)
您好，看來您相當認真，值得肯定。不過，探索性因素分析的樣本數最少需要100份，所以，目前要回答您的問題還太早，請您先努力再蒐集足夠的樣本，以上。
老師您好:影片中,題項中若有兩個超過0.4(以及負數)就都刪除,所有題項如以影片中標準刪除,最後一個構面會不足三題，那這個構面可以將兩因素超過0.4(跨雙因子)的題項保留下來嗎?以符合每個構面至少有三個題項之標準。之後做結構方程式這會有什麼影響嗎?
如果依標準刪除，最後變成構面不足三變項或產生跨因子題項，這會有什麼影響?或者有其他的處理方法?謝謝!
老師好，跟您請教一下，如果問卷的構面及題項，是參考過去學者所研製出來的，並且已經有需多人參考使用過，這樣還需要做因素分析去解釋題目的適切性嗎??謝謝老師
您好，按照您說的狀況，您應該要使用驗證性因素分析，以上。
@@YenkuKuo 謝謝老師
老師請問要每一題去删，還是用只有overlapping 的題目去删除即可？
探索性因素分析在刪除題項的過程中，會有多次往復來回的重複步驟，要刪除哪一題，一次刪除多少題或者怎麼刪除題項，其實都沒有固定的答案，只有經驗法則而已。
1. crossloading在二個因子上的負荷量都大於0.4，可以考慮刪除。
2. 負的因素負荷量請考慮刪除。
3. 每次刪除的題項有可能在下一次執行時添加回來，例如第一次執行刪除了題項A，但覺得仍不理想，於是想要再執行一次並嘗試刪除題項B，此時也必須考慮題項A加回來的可能性。
無論如何，探索性因素分析到底怎麼執行，執行幾遍，最後只要出現能解釋的結果，都可以接受。
因為探索性因素分析的命名原本就是一種藝術，而非有絕對步驟可依循，以最能代表因素的名字來決定即可（Yong & Perace, 2013）。因素命名是「理論的、主觀的、歸納的」過程，為了提供有意義的解釋，每個因子至少要有二或三個題項（Taherdoost et al., 2014）。且最終皆由研究者進行有意義的定義
文獻：
Yong, A. G., & Pearce, S. (2013). A beginner’s guide to factor analysis: Focusing on exploratory factor analysis. Tutorials in quantitative methods for psychology, 9(2), 79-94.
Taherdoost, H. A. M. E. D., Sahibuddin, S. H. A. M. S. U. L., & Jalaliyoon, N. E. D. A. (2014). Exploratory factor analysis: Concepts and theory. Advances in Pure and Applied Mathematics, 375-382.
@@YenkuKuo 很感謝老師，老師講解的很清楚，也把很難的觀念用簡易能理解的方式，讓我的量化研究出現一道曙光!很感謝老師!👍
郭老師好,(1)在影片14分處,您把題項中若有兩個超過0.4(以及負數)就都刪除,可有文獻支持?還是只是操作實務技術上的技巧? (2)如過所有題項都在您解釋的標準下被刪除,最後刪到每個構面不足三題(若剩兩題),那應當如何處理?.....我可否把因數中係數較高,但卻有負數的題項留下來呢? (3)因為探索後就要做驗證分析,若保留下來的題項還夠撐起一個構面(比如還有六題),我可以把低於0.6或0.7的題項刪掉,用以增加配適度通過的機會嗎? 以上還請老師撥冗解惑,感謝.
(1)許多文獻都有提到，但基本上是因為某題項因素負荷量大於0.4，它就比較不會也依附在另一個因素有較高的負荷量。
截圖：imgur.com/a/wUpv1
文獻：Costello, A. B., & Osborne, J. W. (2005). Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis. Practical assessment, research & evaluation, 10(7), 1-9.
(2)刪到每個構面不足三題，建議就刪除整個構面，有負數的題項更是不合理的。
(3)探索性因素分析之後不用再做驗證性因素分析，如果要做，必須重新蒐集另外一批樣本才行。您的發問中所提到的方法，其實是畫蛇添足的作為，與其刪除探索性因素分析中低於0.6或0.7的題項再做驗證性因素分析，那為何不直接進行驗證性因素分析就好呢？
以上。
謝謝老師指正,獲益良多.
老師您好，若使用因素分析後SPSS自行產生儲存的分組變項，是否接下來所有相關統計分析(如單因子、相關、迴歸)都可使用此分組變項當作變數；還是需要按照因素分析產生的分組，自行將題項分類製作變數~~~謝謝老師
請使用「自行將題項分類製作變數」的方法，因為「SPSS自行產生儲存的分組變項」是標準化分數，進行後續分析較不容易解讀，以上。
老師您好，想要和您請教兩個問題
第一個問題： 我知道factor loading >0.5 和cross loading的問項 是要刪除的，那為什麼負值的也必須要刪除呢?是不是因為題目再設計的時候，讓受訪者認為這題是反向題；或是題目是反向題，而在key資料的時候沒有做轉換，使問項的值變成負的
第二個問題：我在做自己研究的時候，把一個構面的問項丟進去做EFA，可是SPSS卻顯示"只擷取一個元件。無法旋轉解決方案。"，所以我google找答案，有發現一個方法，就是把按特徵值大於1改成按固定数目抽取。固定数目设置为2，就可以旋转了。想請教老師為什麼做這個動作就可以解決了，還有"只擷取一個元件。無法旋轉解決方案。"如果這個出現是代表什麼意思。
謝謝老師!!
問題一：
factor loading不能是負的，這是規定；如果是負的代表產生不合理的情況，例如您所說的反向題忘記轉向就會發生這種情形；若不是反向題所造成仍還有負的factor loading，必須刪除才符合規定。
問題二：
只擷取一個元件，代表您所有的題項都只能收斂在「一個」向度裡，這代表您很有可能具有「共同方法變異」的問題；若是調整設定，將固定數目進行設定，這其實只是一種表面的調整方法，雖然強迫旋轉出兩個向度，但其實第二個向度的解釋量還是不高的，意義並不大。如果您真的覺得題項「理論」上應該要轉出兩個向度，那其實您該使用的是驗證性因素分析才是，而不是使用探索性因素分析。
謝謝老師的回覆!!
真的很謝謝老師每次都願意回答我的問題!!
關於問題一
如果像老師所說的，"若不是反向題所造成仍還有負的factor loading"，是不是應該要回去問卷檢討問項的題目，再斟酌是否要刪除
「統計軟體是不會認得題目涵義的」，所以，您回去檢查該題項的文字，當然是一個嚴謹的作法，只是當若您主觀上認為題項沒有問題的話，仍然無法解決負的factor loading問題。若是產生負的factor loading該題項實在很重要，請務必請問一下您的指導教授，畢竟「統計軟體只能針對數字進行計算，不認識文義」。
Yenku Kuo 我瞭解了 謝謝老師！
這是用於自編制量表嗎？如果引用已發佈的量表，那用哪一種效度分析呢？
請用驗證性因素分析，可參照本人所錄製的影片，如下所示：
一夜。統計學：驗證性因素分析
ruclips.net/video/S6l2t1t6Erk/видео.html
老師您好，請問解說總變異量表中，能否知道元件1、2、3、4各是哪個因子？
您好，元件1、2、3、4，與底下轉軸後的成分矩陣應該可以完全對應，這樣就知道是哪個因子了，以上。
老師您好，想詢問在題項轉軸後，顯示僅擷取1個係數，無法旋轉，不知道這個量表可以如何解釋？以及該量表的全體解釋變異量可以如何解釋，謝謝老師
您好，這樣代表您的量表題項就總共只能萃取出一個因子，換句話說，就是屬於單一因子的量表，在解說總變異量的百分比中的數值，就是全體解釋變異量，以上。
老師您好，我的論文是關於災害潛在因素探討，嘗試將各種人口、土地資料進行因素分析，其中有一構面包含土石流溪流、災害敏地、崩塌地、低收入人口，KMO值0.551，而低收入人口負荷量卻達0.8。請問這種情況下，是否可依照個人主觀將其刪除? 若刪除後KMO亦可達0.6以上，同時在解釋部分也將更為合理。
您好，其實我個人好奇的是您為何要作因素分析？探索式因素分析雖然名為「探索」，但置入的項目彼此之間應該有相當的關聯度，所以，您所放置的土石流溪流、災害敏地、崩塌地、低收入人口，在您的專業理論是否可以解釋都有所相關？若是，那麼執行出來的低收入人口的負荷量0.8是很好的結果，為何要刪除呢？從統計角度來看，要刪除的是因素負荷量不高的項目才是。
提醒您，雖然因素分析並非社會科學專屬，但您的領域很有可能跨及工程學，是否能以因素分析作為研究技術，值得再三思考，並與您的指導教授或研究團隊再三確認，以上。
想請問老師若元件因素剩下兩題，需把兩題全部刪除嗎
老師您好：再請教一下，若做路徑分析法，是否要在跑完探索性因素分析，縮減維度後，用剩下萃取出來的題目去跑呢？
謝謝
是的，理解正確。
謝謝老師，還好有看老師的影片！論文有救了!!
老師好，因素分析是針對預試問卷吧？！
探索性因素分析理論上應該使用在「未確定題項是否有具體因素結構與隸屬情形」，至於用在預試或正式施測階段則無絕對，但請記得無論哪一種因素分析都需要樣本數較大的狀態之下才會穩定可信，探索性因素分析至少需要100份以上樣本，驗證性因素分析則需要200～400份樣本才恰當，以上。
老师请问我的一个构面有4个题目，只有一个在总方差解释的部分大于1，那么我剩下的3个问题是全部需要删除的吗？显著性有达到标准，但是累计百分比也只有49.367
這題我不太明白，若可行，請截圖給我看一下，謝謝。
老師您好：做完因素分析之後，我的英文閱讀外在動機構面只剩下兩題?可是一個構面的題項最少要四題，那該怎麼辦呢？
因為探索性因素分析的命名原本就是一種藝術，而非有絕對步驟可依循，以最能代表因素的名字來決定即可（Yong & Perace, 2013）。因素命名是「理論的、主觀的、歸納的」過程，為了提供有意義的解釋，每個因子至少要有二或三個題項（Taherdoost et al., 2014）。依此敘述，擁有三個以上的題項仍是相對較好的選擇，且最終皆由研究者進行有意義的定義（Henson & Roberts, 2006）。據此，探索性因素分析之呈現結果，若可有合理的解釋與命名，較能確保後續研究的進行，提出適當的討論與建議。
Yong, A. G., & Pearce, S. (2013). A beginner’s guide to factor analysis: Focusing on exploratory factor analysis. Tutorials in quantitative methods for psychology, 9(2), 79-94.
Taherdoost, H. A. M. E. D., Sahibuddin, S. H. A. M. S. U. L., & Jalaliyoon, N. E. D. A. (2014). Exploratory factor analysis: Concepts and theory. Advances in Pure and Applied Mathematics, 375-382.
Henson, R. K., & Roberts, J. K. (2006). Use of exploratory factor analysis in published research: Common errors and some comment on improved practice. Educational and Psychological measurement, 66(3), 393-416.
@@YenkuKuo 謝謝老師的詳細回覆！很感謝老師！👍
老師您好。請問如果在前測問卷，做一個構面的因素分析，他的「結果」是有跑題的，這樣屬於正常現象嗎？那如果跑題是要看：要不要從原先的構面，在直接歸類於它跑去別題的構面呢？還是要刪題呢？
謝謝老師！
同問題，想了解
老師您好，請問探索性因素分析分析後有找到二個元件，若要看此變數是否存有中介效果，是否須要「分別」做元件1與元件2的迴歸分析?
在統計上當然可以分別進行二個元件的迴歸分析，只是在前面文獻中的理論意涵需要假設推論的文字，較有執行統計分析的正當性。
老師您好
請教您一個問題
轉軸後的成分矩陣
顯示〝只萃取一個成分，無法將解轉軸〞
而且解說總變異量的〝初始特徵值〞也是只有一個超過1的值
請問這是代表題項內容太相似而無鑑別度嗎??
再者
我可以強迫電腦萃取3個因子嗎?
還是我該直接用驗證性分析?
因為我本來是設計要跑出3個因素的!!
謝謝您
1.
只萃取出一個因子，代表您的所有題項的相關性太高，而且有共同方法變異的疑慮。
2.
應該使用驗證性因素分析，
若執行後的數據不妥，
則應該進行部分題項的刪除。
好
那麼我再用驗證性因素分析看看
非常感謝您的釋疑
之後有問題再勞煩您了
謝謝喔~~
老師您好，請問測量項目的共同度值能從哪裡操作呢？
探索性因素分析的spss報表中，往下拉就可以看到共同性。
老师您好，想请问您一下output中Rotated Component Matrix和Total Variance Explained中的component是一一对应的吗？比如说：Rotated Component Matrix表格中的component 1就是Total Variance Explained表格中的component 1，这样理解对吗？
是的，您的理解正確。
好的，十分感谢老师您的回复！
老師: 您好, 您的影片對我幫助很大, 謝謝. 我想請教一個很基本的問題, eigenvalue=1的意義是什麼? 可以設為0.89嗎?(一直到設為0.89, 我的問卷才變成兩個構面, >＝0.9以上都只有一個構面)
為何探索性因素分析的特徵值（eigenvalue）要大於1？
原因就是沒有大於1的元件，其題項們的信度有可能是負值，並不合理。
文獻截圖：
imgur.com/a/y86zEHn
文獻來源：
Cliff, N. (1988). The Eigenvalues-greater-than-one Rule and the Reliability of Components. Psychological Bulletin, 103(2), 276-279.
謝謝老師的答覆及熱心提供文獻截圖 我瞭解了
老師您好
您提到要一個一個刪除，每刪除一個就在執行一次，那如何決定先刪除那一個項目？是也大於0.4，還是有負數的出現？
坦白說，真的沒有準則。不過我的經驗是先從負數開始刪除，因為這是最不合理的值。不過，既然叫做「探索」了，所以真的沒有一定的準則，請您多加嘗試，以上。
Yenku Kuo 謝謝🙏🏼
警告
觀察值少於兩個，至少其中一個變數具有零變異數，分析中只有一個變數或是無法計算所有成對變數的相關係數。無法計算進一步的統計量。
您好，這是我跑出的報表結果，請問是哪邊出問題了呢?
您好，以下是可能的問題：
1. 樣本數太少
2. 某些題項中所有人回答的選項幾乎都雷同（例：所有人對於某件事情看法都非常滿意）
您的解決方法可能如下：
1. 增加樣本數
2. 尋找大量回答相同選項者加以刪除
以上請參考。
請問老師如果KMO值不到0.6那是否有方法去找出題項進行題項刪減以提升KMO值
謝謝老師
您好，請問樣本數是否足夠呢？一般來說，樣本數至少要有100份，才適合進行因素分析。KMO值只是一個參考值，目前我尚且不知有任何方法可以確認刪除哪一題項可以提高KMO的方法，以上。
老師您好，我正在撰寫論文，請問在隱藏較小係數那裡，絕對值一定是要設定為小於0.4隱藏嗎?
假使設定為0.5這樣可以嗎?謝謝
您好，隱藏較小的係數，純粹只是在幫助「視覺上」閱讀統計報表的方便性，若您覺得設定為0.5較佳，當然也是可以的，我想您的問題應該是刪除題目的標準，但是否刪除該題項仍然有許多主觀的考量，以上。
是的，我的問題是想請教刪除題目的標準，有回答到我了，謝謝老師的回覆。
老師您好，我有兩個問題想請教一下您：1.如果我第一次跑出來的轉軸后矩陣報表中既有cross-loading，也有負值的loading，我應該先刪哪一題呢？刪的順序不同會產生不同的影響嗎？ 2.假設我想研究組織承諾對組織績效的影響，組織承諾24題，組織績效18題，我在進行探索式因素分析時事將這兩個構面分開檢驗還是放一起檢驗？謝謝！
1.
沒有規定要先刪除哪一個，當然刪的順序的確有可能會影響最終結果，必須多做嘗試，有時嘗試來回刪除題項、還原題項等動作會達數十次之多，請耐心操作此步驟。也是因為如此，才會稱為探索性因素分析，否則，怎麼會叫做「探索性」？
2.
「組織承諾24題」進行一套探索性因素分析之程序；「組織績效18題」則另外進行一套探索性因素分析之程序。
老師想請問，因素分析報表中，萃取因素在成份矩陣中，應該要看原始元件還是重新量尺化的原件？
您好，可否請您貼上報表並指出您想問的部分？因為我不太清楚您在問哪裡，以上。
老師您好:
請問斜交轉軸後的報表有三個，分別是元件矩陣、型樣矩陣、結構矩陣，該以哪個判讀?
您的SPSS是繁體中文嗎？可能因為翻譯的問題，我現在不是很確定，請寄報表給我看一下，以上。 hrdlover@gmail.com
老師好!想請問轉軸後成分矩陣出現負值-0.112需要刪除嗎?還是只有絕對值大於0.4的負值才需要刪除呢?謝謝!
另外想請問可將因素負荷量及cross loading的標準提升為0.5嗎?謝謝!
您好，我個人認為，負值是不合理的數值，所以要刪除；標準提升到0.5也可以，只是更為嚴格了。基本上，探索性因素分析的作法有模糊性，您可以依據您的研究需求調整，只是在論文中記得報告您進行的動作步驟就可以了，以上。
了解了!真的很感謝老師的幫忙:)
老師好，我在跑因素分析的時候有遇到一個狀況是，我的KMO檢定表都跑不出來，但是其他的解說總變異量等等的報表皆有產出，請問這是什麼原因造成的呢？又該怎麼樣排除或解決這個問題呢？(謝謝老師！)
請貼報表，或者將您執行過程錄影下來，我比較能夠瞭解您的情形。
截圖網址：imgur.com/
錄影網址：www.apowersoft.tw/free-online-screen-recorder
老師您好，我用人格特質為干擾變數，有五個構面big1~big5, 照理說跑出來的因素如果是五個那就是理想狀態，但是我跑出來的因素有7個，且沒有問項低於效度標準0.35，無法刪除，這時候該怎麼辦
請您用驗證性因素分析，這樣會比較符合理論，通常探索性因素分析很難有預設的結果，以上。
謝謝老師~
老師您好：
因為我的量表採用探索性因素分析結果很差，因為我的教授堅持要做因素分析，想請問在因素分析的特殊方法中，有一種是層面題項加總法，想詢問老師若我想要採用此種方法來驗證我的三個量表的效度，但其中有一個量表結果不佳，請問刪題原則與探索性因素分析相同嗎?
張芳全(2008)提到刪題原則，題項落入與預期向度不同，可刪除題項，統計結果發項第三、五層面奇數題落入與預期的向度不同，予以刪除，再進行第二次因素分析，重新檢驗後，請問老師我可以這樣處理嗎?
探索性因素分析的刪題標準並無絕對，只要曾有文獻使用或能夠解釋，後續統計技術可以合理分析，都是可以採用的，以上。
老師想請問一下若沒有AMOS軟件的話，"標準化因素負荷量"Standardized factor loading(SFL)可以在上述影片當中算出嗎?怎麼算呢?
本影片中約12:00的地方，介紹「轉軸後的成分矩陣」之處，就是標準化因素負荷量，以上。
謝謝老師。那還想請問想畫區別效度的圖，AVE要大於其他潛在構面標準化相關係數的平方，此"標準化相關係數"為何呢?跟相關係數一樣嗎?
另外想問若使用意願為依變數，需要把使用意願放入因素中一起做轉軸嗎?
老師您好，我的論文所應用的IPA分析，分別有重視度、滿意度兩個量表，這兩個量表的題項都是相同的，請問在進行因素分析時要以哪個量表為準？
您好，我的主觀建議，您的情況不需要因素分析。
謝謝老師的回覆，請問不使用因素分析的原因是什麼，還有要怎麼判別我的量表效度？(目前已分別完成兩個量表的項目分析及信度分析，結果顯示皆有達標準)
因為探索式因素分析通常會導致您問項構面最後無法如您所願，反而造成解釋上的困擾。如您所問，IPA分析到底要以滿意度還是重要度為準？這真的都各有道理，所以不論您怎麼進行，如果兩個向度的構面沒有數量一致，是不是又造成進行IPA分析的困擾？我覺得，如果您的問卷都是有理論或文獻依據的，您可以使用「一段文字」來說明「內容效度」，如下所示：
『內容效度是指問卷衡量項目的適當與否，也就是問卷問項的涵蓋主題程度。內容效度主要以邏輯推理、學理基礎、經驗法則、專家認可等方式來說明其問卷內容是具有相當程度的效度。本問卷問項以國內外文獻理論為基礎，並結合本問卷主題加以修改，並且初步問卷完成時，經過指導教授對問卷內容加以檢視，至此本研究所使用之問卷衡量項目應具有相當之內容效度。』
這樣子，也是一種效度的證明，沒有人說效度一定要使用因素分析，只是說因素分析是一種很有證據力的方法，但是如果因素分析的結果不好，那豈不是更加證明了「效度不足」嗎？所以，我認為IPA分析不需要因素分析，除非，您的指導教授堅持，那就另當別論。
祝研究順利。
老師您好，我太執著在建構效度，經由您的講解，我知道該怎麼做了，謝謝老師替我解惑，萬分感謝！
老師好，請問我有一個題目共同性只有.304 請問我可以直接刪題嗎？
另外想請問可以先進行信度分析把信度低的刪除再做因素分析嗎？
其實，我個人是認為原本就是先進行信度分析然後進行必要的刪題，再進行因素分析進行第二次必要性的刪題，以上。
Yenku Kuo 感恩老師我了解了
老師您好，想請問如有有一個題目的因素一負荷量為.518（>0.4），因素二負荷量為-.407（負數），請問他是需要刪題或可以忽略因素二數值，納入因數一的題目？謝謝您
您好，若是題項還有很多，我會選擇刪除，當然，若是您的題項已經很少了，就予以保留。探索式因素分析與其說是一種科學，不如說是一種藝術，就是因為沒有絕對固定的準則，才謂之「探索」，以上。
好的 謝謝老師~
老師您好：
在因素分析的刪題標準中提到:
題目跨因素：題目在兩個(含)以上之因素中的因素負荷量均高於4以上, 予以刪除
但我可以因為特定因素(因題項落入原先的構念)故予以保留嗎?
您好，探索性因素分析其實沒有太固定的答案，若您覺得合理或可以解釋，那麼可以依您想法進行適當的調整，以下文字給您參考。
因為探索性因素分析的命名原本就是一種藝術，而非有絕對步驟可依循，以最能代表因素的名字來決定即可（Yong & Perace, 2013）。因素命名是「理論的、主觀的、歸納的」過程，為了提供有意義的解釋，每個因子至少要有二或三個題項（Taherdoost et al., 2014）。依此敘述，擁有三個以上的題項仍是相對較好的選擇，所以合併成分三與成分四應屬可行方案，且最終皆由研究者進行有意義的定義（Henson & Roberts, 2006）。據此，你合併成分之後，若可有合理的解釋與命名，應該是有利於後續研究的進行。
Yong, A. G., & Pearce, S. (2013). A beginner’s guide to factor analysis: Focusing on exploratory factor analysis. Tutorials in quantitative methods for psychology, 9(2), 79-94.
Taherdoost, H. A. M. E. D., Sahibuddin, S. H. A. M. S. U. L., & Jalaliyoon, N. E. D. A. (2014). Exploratory factor analysis: Concepts and theory. Advances in Pure and Applied Mathematics, 375-382.
Henson, R. K., & Roberts, J. K. (2006). Use of exploratory factor analysis in published research: Common errors and some comment on improved practice. Educational and Psychological measurement, 66(3), 393-416.
謝謝老師願意悉心給予教導，感謝老師!
老師 請問我分出因素後 要怎麼看每個因素的特徵值呢？
請看本影片10:20~10:50的段落。
老師您好：我在閱讀相關文獻後，分別參照了3位研究者的問卷內容及構面設計問卷，這3位都有做過探索性因素分析。我的問卷內容也都經過指導教授同意，專家也都認為可以。但以預試50人去分析後，發現應該很清楚屬於某原件的題目，竟被劃分到另一個不相干的元件裡。請問這時候該怎麼辦呢？
1.
若您認為每個題項都有應該歸屬的因子，那麼可以使用驗證性因素分析。
2.
因素分析的樣本數要求較多，通常100人以上較為穩定，您的樣本數太少了一點。
3.
預試不一定需要因素分析。
我明白了，謝謝老師的回覆。
請問郭老師，我的EFA跑出來後有一個項目的factor loading值大於1，請問是代表甚麼意思呢? 謝謝您!!
對了，我用的是promax斜交轉軸!!
您的 factor loading 的標準化數值之絕對值若有大於1者，則代表您的題項之間有共線性問題，必須刪除某些部分題項；刪除之後，再進行一次因素分析，看看結果是否良好。
不論是正交或斜交，都無法解決題項之間共線性過高的問題，還是必須在題項間進行取捨才行。
好的，謝謝您!!
老師您好：我參考他人的問卷，但有增減部分題目。之後跑了因素分析，出現5個因素，但其中2個因素都只有2題目，請問該如何處裡? 感謝老師
您好，若5個因素都合理，其中題項的歸屬都能解釋，我認為並無特別不妥，仍是可以接受範圍。按文獻解釋，每個因子至少要有二或三個題項（Taherdoost et al., 2014），且最終皆由研究者進行有意義的定義（Henson & Roberts, 2006）。
Taherdoost, H. A. M. E. D., Sahibuddin, S. H. A. M. S. U. L., & Jalaliyoon, N. E. D. A. (2014). Exploratory factor analysis: Concepts and theory. Advances in Pure and Applied Mathematics, 375-382.
Henson, R. K., & Roberts, J. K. (2006). Use of exploratory factor analysis in published research: Common errors and some comment on improved practice. Educational and Psychological measurement, 66(3), 393-416.
謝謝老師!
再麻煩你解惑一個問題：進行項目分析時應用因素負荷量來做刪題依據(
您的問題有一點疑義，我分三點說明：
1.
項目分析不是採用因素負荷量來刪除題項，應該是用百分位數，
您或許有點混淆，我所說的項目分析，如以下影片所示：
一夜。統計學：項目分析
ruclips.net/video/IoPtVGm_z_s/видео.html
2.
接下來是探索性因素分析的執行步驟，
其實並沒有「真正」、「絕對」的方法，
全量表去執行的話，您有極高機率得到無法解釋的結果；
分量表去執行的話，又感覺不太有效度證明的疑慮，
該怎麼做較好，我只能說兩種皆有人採之，
這點請您自己用智慧取捨判斷。
3.
如果可行，請使用驗證性因素分析，
這才是真正的解答，您會需要SEM軟體（如：AMOS），
教學影片在網路上有很多，
敝人也有錄製，如以下影片所示：
一夜。統計學：驗證性因素分析
ruclips.net/video/S6l2t1t6Erk/видео.html
以上。
謝~~謝~~
老師您好，想請問進行旋轉元件矩陣因素負荷量判定山題後，還需要進行共同性刪題嗎？共同性的判定標準為何呢？謝謝老師＝）
不需要再另外以共同性刪題了，以上。
老師好，我的指導教授要求跑完因素分析最少要有六個構面，但是我照老師的影片跑完刪除跑錯構面及小於0.4的之後，只剩下三個因素，請教老師有沒有甚麼方法可以保留到六個構面。
您好，使用探索性因素分析無法預設立場，所以不能去決定萃取因子的個數。您若是真的想要決定因子的個數，只能使用驗證性因素分析，但即使進行驗證性因素分析，也不能保證一定可以如您所願，但值得嘗試一下，以上。
驗證性因素分析的教學影片如下所示：
ruclips.net/video/S6l2t1t6Erk/видео.html
Yenku Kuo 老師那如果強制設定粹取因子呢？
您好，SPSS這個功能實在有點奇特，因為您就算強制設定因子數目，也會發現並非所有因子的特徵值都達到1，所以這個功能只是製造了假象，並非真正的執行出您所預期的結果，建議還是使用驗證性因素分析，才有機會讓您的預設立場實現，以上。
老師好，我的因素如果特徵值有12個因子都大於1，那是否就可以強制設定我要的因子數?
老師有朋友問題 原來問卷若為4個元件，但跑出來只有2個元件的話要怎麼辦呢? 如果直接解釋成兩個構面合併會很唐突嗎?
既然已經知道應該有4個元件（因子），那請直接使用驗證性因素分析較好。
一夜。統計學：驗證性因素分析
ruclips.net/video/S6l2t1t6Erk/видео.html
老師您好，
想請問選取「主成份」與「主軸因子」的差別為何呢？
謝謝老師！
可參考以下網址之文件。
reurl.cc/DNrXd
不過，若只是應用的話，其實都可以，結果應不會有所差異。
謝謝老師的回覆！
1.5 speed
1.75
@@chdavidc 2
老師您好，再進行因素分析之前，問卷的反向題目是否要先進行反向計分呢? 因為我是將已經反向計分的題目納入分析來跑因素分析的 但轉軸後的矩陣沒有出現負數 請問這是正常的嗎?