探索性因素分析exploratoryfactor analysis,EFA

传统的因素分析即为探索性因素分析。其目的是回答要解释一系列观测变量之间的关系需多少个因素并估计因素负荷。英国心理学家C.斯皮尔曼1904年首次使用该方法以支持其智力的二因素理论。它在建构测量工具时极具价值，可帮助研究者了解测量工具的结构。其基本假设是观测变量之间的协方差可由较少数目的一些因素解释。通常包括两个步骤：(1)抽取因素，确定因素个数。(2)进行因素旋转。初始得到的因素往往难以解释，必须经过旋转（正交或斜交旋转）才能得到更容易解释的结果。抽取因素的方法主要有主成分分析 (principal componentanalysis)、主轴因子法(principal axisfactoring)等。

探索性因素分析exploratory factor analysis

用于理论模型建立的因素分析形式。用EFA表示。基本假设为： (1) 所有观测变量都受公共因素的影响；(2) 每个观测变量除受公共因素影响之外，还受到一个与公共因素不相关的特殊因素的影响；(3) 所有特殊因素之间不存在相关；(4) 所有公共因素之间没有相关与否的限制。该方法主要通过各种变换，最终产生能够最大程度反映原始观测变量所包含的性质和特征的公共因素体系，以达到简化原有观测变量的维度的效果。一般采用特征根大于1、碎石图等确定公共因素的最终个数。计算复杂，主要采用统计软件包(如SPSS中因素分析模块)来完成。