寫了這麼多關於因素分析的文章 (詳見統計觀念整理) ，接下來當然就是在 Stata 上實作因素分析了。Stata 的 factor 指令就是作探索性因素分析的，如果要作驗證性因素分析，Stata 沒有內建功能，要另外安裝 cfa 這個套件才行。
factor 這個指令提供幾種因素分析的方式，包括：pf, pcf, ipf, 與 ml。ML 的優點可參考探索性因素分析的設計與使用 (一)。
pcf (principal-component factor) 通常使用在你想要儘可能地在一個 dimension 上解釋 items 的 variance。如果你覺得這些 items 都是 load 在同一個因素上，那 pcf 是你應該使用的。相對地，pf (principal factor) 通常使用在你有兩個或以上的因素。
如果可以跑 ml，就試著跑 ml。我通常會先跑 ml，如果有 Heywood Cases 的話再跑 pf (這不是很好的建議，應該要先看看為什麼有 Heywood cases)。另外，我一開始通常不會限制因素的個數，先看看特徵值與 scree plot。
factor item1-item24, ml
factor item1-item24, pf 接下來就是要先看看特徵值 (eigenvalue) 與 scree test 來判斷因素個數了。
依我這個不漂亮的數據跑 pf 的結果，特徵值大於 1 的有兩個。
接著是用 scree plot 來檢驗，在指令列直接輸入 screeplot 即可。
上圖其實有點難解讀，如果是要看 deep drop 的話，我會說有兩個。如果是要看哪個因素之後趨於平坦，我可能會說有4個因素。
如果你要用 parallel analysis，得先安裝套件 fapara。
net describe fapara, from(http://www.ats.ucla.edu/stat/stata/ado/analysis)
net install fapara.pkg 跑完 factor analysis 之後，輸入下方指令：
fapara, reps(10) 結果會以圖型的方式表示。如果依下圖看來，是有六個因素的。
標籤： 統計分析