2025年大学《应用统计学》专业题库- 因子分析在社会调查中的应用

2025年大学《应用统计学》专业题库——因子分析在社会调查中的应用考试时间：______分钟总分：______分姓名：______一、选择题1.在社会调查中，因子分析主要被用于解决什么问题？A.对样本进行分类B.检验变量间的相关程度C.降低观测变量的维度，解释共同变异D.探索数据中的异常值2.进行因子分析前，通常需要进行KMO检验和Bartlett球形检验，这两个检验的主要目的是什么？A.检验因子得分是否可靠B.检验数据是否适合进行因子分析C.检验变量之间是否存在共线性D.检验因子之间是否存在相关性3.在因子分析结果中，因子载荷矩阵的绝对值越大，表示什么？A.该变量能解释的因子方差越多B.该变量与对应因子的关系越强C.该变量在因子分析中的权重越大D.该变量与其他变量的相关系数越高4.下列哪种方法通常用于增加因子数量的解释力？A.因子旋转B.因子抽取C.主成分分析D.增加样本量5.在因子旋转中，方差最大化正交旋转（Varimax）的主要目的是什么？A.使因子间相关性最大化B.使每个因子上的变量载荷尽可能差异化C.使因子得分方差最大化D.使因子载荷矩阵更容易解释6.因子得分是通过什么方式计算得出的？A.对原始变量进行加权求和B.对因子载荷进行交叉乘积C.对原始数据进行主成分回归D.对因子载荷矩阵进行特征值分解7.因子分析中，决定提取多少个因子的一个重要参考指标是？A.因子载荷的最大值B.因子间的相关系数C.累计解释的方差百分比D.KMO检验的值8.如果一个社会调查问卷包含多个测量同一潜在构念（如“生活满意度”）的题目，因子分析可以用来做什么？A.检验问卷的信度B.检验问卷的效度C.合并这些题目为一个综合指数D.区分不同的潜在构念9.因子分析的因子模型（因子载荷）与主成分分析的主成分载荷在含义上有什么主要区别？A.因子载荷有正负号，主成分载荷没有B.因子载荷反映变量与因子的相关，主成分载荷反映变量与成分的方差贡献C.因子载荷必须加总为1，主成分载荷不一定D.因子载荷基于回归，主成分载荷基于方差分解10.因子分析要求原始变量之间具有一定的相关性，如果变量间相关性很低，可能会导致什么结果？A.Bartlett球形检验显著B.KMO值较低C.能提取出较多因子D.因子载荷接近于1二、简答题1.简述因子分析的主要步骤。2.解释什么是因子载荷，并说明其大小和方向分别代表什么含义。3.简述因子分析在构建社会调查问卷中的应用过程。4.列举并简述至少两种常用的因子旋转方法及其主要目的。5.提出因子分析在实际社会调查应用中可能遇到的挑战或局限性。三、计算与分析题1.（15分）某社会调查研究者欲测量大学生的“学术压力”构念，选取了五个自评题目（Q1-Q5），原始数据（标准化得分）如下（为简化，仅列出部分数据及均值、标准差）：|变量|Q1|Q2|Q3|Q4|Q5|均值|标准差||:-------|:-:|:-:|:-:|:-:|:-:|:-:|:-:||学术压力|1.2|0.8|1.5|0.5|-0.2|0.9|1.1||学习时间|1.0|1.3|0.7|1.1|0.9|0.8||考试难度|0.9|1.1|1.4|1.0|0.8|0.9||同学竞争|0.7|0.6|1.0|0.8|1.2|0.7||家长期望|0.5|0.2|0.9|1.3|0.7|0.8|假设研究者已通过统计软件进行分析，得到以下部分结果：*KMO值为0.78，Bartlett球形检验显著（p<0.01）。*提取了2个因子，特征值分别为12.5和3.1，解释了总方差的75%。*采用最大似然法进行因子分析，进行方差最大化正交旋转后，因子载荷矩阵（部分）如下：|变量|因子1|因子2||:-------|:-:|:-:||学术压力|0.85|0.15||学习时间|0.65|0.25||考试难度|0.80|0.12||同学竞争|0.40|0.65||家长期望|0.30|0.70|请根据以上信息，完成以下分析：(1)简要说明数据是否适合进行因子分析。(2)解释提取出2个因子的合理性。(3)命名这两个因子，并解释命名依据。(4)分析变量在两个因子上的载荷，说明它们各自主要属于哪个因子。(5)如果需要计算因子得分，请简述计算方法和需要注意的问题。2.（20分）假设你正在进行一项关于“城市居民社区参与度”的社会调查。初步设计了包含多个题目的问卷，测量居民的线上参与、线下参与、参与意愿、参与满意度等维度。在数据分析阶段，你选择了因子分析来探索这些构念的结构。请回答：(1)在进行因子分析前，你需要对问卷进行哪些方面的检查或预处理？(2)描述你在进行因子分析时，对输出结果（至少包括两个关键部分）的解读过程和侧重点。(3)假设分析结果表明，线上参与和线下参与能够较好地解释数据变异，并且这两个因子相关性较低。请简述这一发现对理解“社区参与度”构念可能意味着什么。(4)如果因子分析结果显示某些题目（例如，测量“参与意愿”的题目）在两个因子上的载荷都比较高（交叉载荷），你会如何处理？请说明理由。试卷答案一、选择题1.C2.B3.B4.D5.B6.A7.C8.C9.B10.B二、简答题1.答：因子分析的主要步骤包括：(1)收集数据并进行预处理（如标准化），确保数据符合因子分析的适用条件。(2)对数据进行探索性因子分析，包括进行KMO和Bartlett球形检验，判断数据是否适合进行因子分析。(3)确定提取的因子数量，常用的方法有特征值法（如选取特征值大于1的因子）、碎石图法、累计解释方差百分比法等。(4)对因子载荷矩阵进行旋转，目的是使因子结构更清晰，便于解释。常用方法有方差最大化正交旋转（Varimax）和Promax斜旋转等。(5)解释因子结构，根据因子载荷的大小和方向，确定每个因子包含哪些变量，并对因子进行命名。(6)计算因子得分，方法有回归法、Bartlett法、Anderson-Rubin法等，用于后续分析或构建综合指数。2.答：因子载荷（FactorLoading）表示第i个变量与第j个因子之间的相关系数，是因子分析的核心输出结果。它反映了第i个变量在多大程度上代表了第j个因子。载荷的绝对值越大，表示该变量与对应因子的关系越强，即该变量是测量该因子的良好指标。载荷有正负之分，正载荷表示变量与因子呈正相关，负载荷表示呈负相关。载荷接近0表示变量与该因子关系较弱。3.答：因子分析在构建社会调查问卷中的应用过程通常包括：(1)基于理论或文献，初步确定需要测量的潜在构念（如生活满意度、工作压力等）。(2)设计多个测量同一构念的题目（多题项测量）。(3)对回收的问卷数据进行探索性因子分析。(4)通过因子分析结果评估问卷的结构效度，检查题目是否有效地测量了预设的构念。根据载荷情况，识别出哪些题目是测量同一构念的有效题目，哪些题目可能测量了不同的构念或噪声，从而进行题目的筛选、修订或合并，优化问卷结构。4.答：常用的因子旋转方法有：(1)方差最大化正交旋转（Varimax）：一种正交旋转方法，目的是使每个因子上的变量载荷尽可能差异化，即让每个因子尽可能多地解释一组独特的变量，从而使得因子结构更清晰，更容易解释。旋转后因子之间仍然正交（相关系数为0）。(2)Promax旋转：一种斜旋转方法，允许因子之间存在相关性，但能更快地收敛到解。它通常比Varimax旋转产生的解释更清晰，尤其是在因子数量较多时。斜旋转可能更符合现实情况，因为因子之间有时存在关联。5.答：因子分析在实际社会调查应用中可能遇到的挑战或局限性包括：(1)假设前提限制：因子分析基于一些统计假设，如变量服从多元正态分布、因子间不相关（正交旋转）或允许相关（斜旋转）、测量误差呈多元正态分布等。如果数据严重违反这些假设，结果可能不可靠。(2)解释的主观性：因子载荷矩阵的解释往往带有一定主观性，特别是当因子载荷不是非常清晰时，如何命名因子、哪些变量归入哪个因子可能存在不同理解。(3)模型选择困难：选择主成分法还是因子模型法，以及旋转方法的选择，都涉及理论判断和经验，没有绝对标准。(4)丢失信息：因子分析是一种降维技术，虽然能解释部分共变关系，但也可能丢失一部分原始变量的信息。(5)对测量质量的依赖：因子分析的效果很大程度上依赖于测量的质量。如果题目本身测量不准确或不相关，因子分析也无法弥补。三、计算与分析题1.(1)答：数据适合进行因子分析。KMO检验值为0.78，大于0.6，表示数据适合度较好。Bartlett球形检验显著（p<0.01），拒绝球形假设，说明变量间存在显著的相关关系，适合进行因子分析。(2)答：提取出2个因子的合理性在于：提取了2个因子，累计解释了总方差的75%（12.5+3.1=15.6，15.6/20=0.78或78%），这个比例较高，说明这两个因子能够解释大部分变量的共同变异，具有较强的代表性。同时，第一个因子的特征值（12.5）远大于第二个因子（3.1），表明第一个因子是主要因子，第二个因子也具有一定的解释力。(3)答：命名依据：观察因子载荷矩阵，变量Q1（学术压力）、Q2（学习时间）、Q3（考试难度）在因子1上的载荷（分别为0.85,0.65,0.80）都较高，而Q4（同学竞争）、Q5（家长期望）在因子2上的载荷较高（分别为0.40,0.70）。根据这些变量的内容，因子1可以命名为“学业压力与投入”，因子2可以命名为“外部竞争与期望”。(4)答：分析变量所属：根据载荷大小，Q1、Q2、Q3主要属于因子1（学业压力与投入）；Q4、Q5主要属于因子2（外部竞争与期望）。例如，学术压力（Q1）的载荷为0.85，远高于0.40，强烈指向因子1。(5)答：计算方法：通常采用回归法计算因子得分。该方法基于因子载荷和原始变量的标准化得分，通过回归方程预测每个样本在每个因子上的得分。需要注意的问题包括：因子得分存在一定的误差方差；因子得分通常不满足正态分布，需谨慎用于后续统计推断；因子得分之间可能存在相关性，需要注意相关性的影响；因子得分的计算需要选择合适的统计软件完成。2.(1)答：进行因子分析前，需要对问卷进行以下检查或预处理：*数据清洗：检查并处理缺失值、异常值。*信度检验：进行内部一致性检验（如Cronbach'sAlpha系数），确保测量工具的可靠性。*变量检查：检查变量的测量水平是否适合因子分析（通常是连续变量或定序变量），检查变量间的共线性（VIF等，虽然因子分析本身不直接处理共线性，但高度共线的变量可能在因子分析中表现为高载荷在多个因子上）。*效度检查（初步）：检查题目与构念的理论对应关系是否合理。*数据标准化：因子分析通常需要对原始数据进行标准化处理，使得每个变量的均值为0，标准差为1，以消除量纲影响，确保因子载荷的公平比较。3.答：这一发现可能意味着“社区参与度”这个构念包含至少两个相对独立且重要的方面。线上参与和线下参与能够较好地解释数据，表明这两个维度是居民社区参与的核心组成部分，并且它们共同捕捉了大部分与“社区参与度”相关的变异。这两个因子相关性较低（接近0），表明线上参与程度与线下参与程度在本次调查的样本中，是相对区分开的两个特征，而不是高度重叠的。这有助于研究者理解居民可能同时进行线上和线下的社区活动，或者这些活动参与的模式存在差异，为更精细地理解和测量“社区参与度”提供了依据，例如可以分别考察线上和线下的参与模式及其对居民社区归属感等结果变量的影响。4.答：如果因子分析结果显示某些题目（如测量“参与意愿”的题目）在两个因子上的载荷都比较高（交叉载荷），通常处理方法有：*考虑删除题目：如果一个题目同时强关联到两个理论上应区分的构念，可能表明该题目测量不清或定义模糊，将其删除可能有助于改善因子结构，使因子更清晰。*重新审视题目内容：检查该题