首页 理论教育青少年视力不良防治实践:干预效果的因素分析

青少年视力不良防治实践:干预效果的因素分析

【摘要】:EFA主要用来初步确定因子个数、指标与因子的关系及因子与因子的关系。探索性因素分析示意图如图5-2所示。从干预效果条目EFA模型拟合指数的结果看,4因子模型的χ2、AIC、BIC和aBIC值均最小,而TLI和CFI值最大。图5-3 探索性因素分析碎石图

探索性因素分析(exploratory factor analysis,EFA)是用于解释外显变量之间相关的统计模型,可解释指标间的相关性和简化数据,即采用几个潜变量(因子)来解释一组变量之间的相关性,当潜变量被抽取后条目之间将不存在相关性,即达到局部独立性(local independence)。EFA主要用来初步确定因子个数、指标与因子的关系及因子与因子的关系。EFA的研究假设是指标间存在相关,是因为有一个潜在的共同因子或公因子(common factor),如果这个公因子被提取,那么指标间的关系将不存在。在因子分析中,将观测分数的差异分为三个部分:公因子、独特性和测量误差。因素分析的表达式为

Zij=aj1fi1+aj2fi2+…+ajmfim+djuij

其中,Zij为个体i在项目j上的标准分;f为公因子;aj为每个公因子的权重,即因子负荷;uij为独特性因子;dj为独特性因子的权重。探索性因素分析示意图如图5-2所示。

170

图5-2  探索性因素分析示意图 

将调查问卷所涉及的干预效果评估的题目进行探索性因素分析,以期找到几个不同的因子,结果如表5-2、表5-3和图5-3所示。从干预效果条目EFA模型拟合指数的结果看,4因子模型的χ2、AIC、BIC和aBIC值均最小,而TLI和CFI值最大(分别为0.887和0.936)。但是碎石图显示折点在两个因子,提示可能2因子模型比较合适,再结合表5-3的因子负荷矩阵发现,2因子模型对各条目的聚合效果比较好。从具体条目的实际意义来看,条目1~10可归纳为干预前后学生用眼习惯和卫生的改变,而条目11~18可归纳为干预前后行为的改变。

171

注:*P<0.05。

172

注:因子负荷大于0.30的被加粗。

173

图5-3  探索性因素分析碎石图