我知道如果变量具有不同的测量尺度，问题将是不可避免的。
我的倾向是认为，即使变量具有相同的测量尺度，简单地求和（或简单地平均）因子“足够加载”的变量的原始分数也是不正确的，因为这样做会加权每个变量均等，而实际上该因子加载了其中一些变量更多而其中一些更少。我的推理正确吗？
在其他情况下，仅通过对因子变量的原始分数求和（或平均）来计算因子分数是不正确的？
计算因子得分是为了将它们用作后续回归分析中的预测因子。
什么时候通过求和（或平均）原始变量分数来计算因子分数是不正确的？
机器算法验证
因子分析
2022-03-21 17:31:19
1个回答
这是我的看法。
从技术上讲，你是对的。简单地添加分数（或平均它们）对它们的权重相等，这可能不是最佳解决方案。
但是，它确实具有某些优点：
1）很简单。因子分析不是。好的，这个列表的读者可能了解因子分析；但是期刊编辑、论文顾问和会阅读你所写任何内容的一般群体呢？
2) 不会因选择错误选项而受到反对。即使您强制使用单个因素（主成分？最大似然？什么先验？等），因子分析也是如此。如果您允许多个因素，则复杂性会随着选择的数量而增加。
3）它通常产生的差异相对较小。总和通常与因子得分高度相关；在许多领域，我们有很多其他的错误来源，这可能无关紧要。
所以，如果你正在开发一个你希望被发布和广泛使用的量表，并且你正在做一个完整的开发，那么选择 FA 是有意义的。但如果它只是一个一次性的秤，不会再次使用，它可能不会。
其它你可能感兴趣的问题