人格的因素分析法
|
人格的因素分析法
一、因素分析的理论
→
【因素分析】
是一种处理【多变量数据】的统计方法,
它可以揭示出【多变量之间的关系】。
→
其主要目的是
从众多可观测的变量中【概括出少数几个因素】,
用【较少因素变量】
来最大限度地【概括和解释】原有的观测信息,
从而建立起简洁的概念系统
揭示出事物之间本质的联系。
→
如果一些问题
相互之间存在关联,
而它们与其他问题之间却不相关。
→
那么,
我们就可以说
发现了被试对这些问题反应的【独特因素】。
→
每一个因素
都能解释一定数量的变异及方差,
它是被试之间的反应差异,这被称为【因素的特征值】。
→
根据特征值,
我们可以计算出【因素负荷】,
即 对每个问题可以用某个因素来解释的程度的评估。
→
我们可以用【相关的大小】来理解【因素负荷】。
【因素负荷大】意味着【项目与因素之间的高度相关】。
【因素负荷的符号】代表相关的方向。
→
每一个因素
根据与其负荷最高的问题 来命名。
|
研究者考察一些问题,
并试图找出它们背后指向的概念。
→
假如你用一些测验测量下列十种特质,
【报复】【同情】【合作】【决断】【忍耐】
【友好】【仁慈】【坚持】【创造性】【关怀】。
→
用这些测验对一组人施测,
每个人都会得出十个分数。
→
你可以用【相关分析】来检验
其中一个测验分数
与其他九个测验分数【相比较】的情况。
→
比如,
你可能会发现,
【友好】与【关怀】高度相关,
如果一个人在一个测验上得分高,
你就可以有把握地预测
他也会在另一个测验上得分高。
→
从这些相关系数的情况看,
你会发现这些测验趋向分为两组,
→
第一组中的五个测验之间高度相关,
但与第二组的五个测验不相关。
→
第二组的五个测验之间也相关,
但与第一组不相关。
→
虽然你最初测量的是十个特质,
但合理的结论是,
你实际上测量的是【两个大的人格维度】,
一个与 【成就】a组有关,
另一个跟【人际亲和】b组有关。
→
但是【因素分析的运用】
并不像这个例子所表示的那么单纯与清晰,
其主要局限之一是【该方法受所收集的资料类型的制约】。
→
假如你使用几个【上一例子中没有包含的测验】,
加入一些新的内容,
如【独立性】【心不在焉】和【正直】等
结果会怎样?
→
这极有可能会改变【因素的数量】
以及【与这些因素相关联的特质的数量】。
本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
0条评论