金在温，美国爱荷华大学社会学系教授，亚太研究中心主任。他从加利福尼亚大学伯克利分校获得博士学位。专注于研究政治社会学、社会不平等、定量方法和东亚社会。他在《美国社会学刊》《美国政治科学评论》《美国社会学评论》和《社会力》等杂志上发表过文章，与维巴（Verba）、聂（Nie）合著了Equality and Political Participation: A Seven Nation Comparison（1978）。

查尔斯•W.米勒，美国爱荷华大学社会学系教授，他在爱荷华州立大学接受本科教育，在威斯康星大学麦迪逊分校获得博士学位。在《美国社会学评论》《社会学方法和研究》和《工作与职业》上发表过社会分层和定量方法的文章。他现在在进行组织改组和雇员忠诚度和满意度方面的研究。

在经济学、政治学、社会学、心理学和教育学等学科领域，因子分析法应用广泛。本书作者用更明确的数据分析例子，详细介绍了因子分析的不同方法，以及它们在何种情况下最有用，深入探讨了验证性和探索性因子分析的差别、因子旋转的各种标准。特别值得一提的是对不同形式的斜交旋转的讨论，以及如何解释从这些分析中得到的各项系数。作者也回答了在探索性因子分析中抽取出的因子数量的问题，讨论了在研究性因子分析中检验假设的方法。 主要特点 ·基于《因子分析导论：它是什么以及如何运用》，更深入地探讨因子分析法 ·按步骤详细讲解，为实际操作提供详细指引 ·采用问答方式涵盖更多问题，拓展了因子分析法的更多可能性

    因子分析主要用于探索还是验证，取决于研究者的主要目的。在两种应用中，准备合适的协方差矩阵，抽取初始的因子、旋转以获得最终结果这三个步骤都会涉及。虽然要获得最终结果并不总要遵循这些步骤（尤其在检验特定的假设时），但通过这些步骤来讨论因子分析的主要变型会比较方便。因此，本书的第一部分围绕这些步骤来组织。

   在上一卷书中，我们已经指出在选择基本的录入数据时有一个重要的选项——是用普通的变量之间的协方差（或相关关系），还是用各实体的相似描述。迄今为止，我们的讨论都集中在前者，此处也会这样。

   在因子分析的最初步骤中，我们有共同因子模型，它作为我们的参照模型，也有主成分分析，它背后的原理跟“公”因子分析不同。但它们都是广为运用的有效方法，都是探索变量之间“相互依赖关系”的工具。这两种方法的基本差别，在于主成分是观察到的变量的某种数学函数，而公因子则无法用观察到的变量的组合表达出来。在因子分析的最初步骤中，另一种方法是映像因子分析法。映像分析跟公因子分析的不同之处在于，公因子分析把观察到的变量看作潜在无限的总体中的一个样本，而映像因子被定义为变量的线性组合。本书会更详细地解释这些方法的异同。此外，如果用的是公因子模型，实际上有很多方法来抽取最初的因子。在本书中会介绍的抽取方法有：（1）最大似然抽取法（包括饶氏正则因子分析法），（2）最小二乘法（包括最小残差法和带迭代共通值的主轴因子分析法），（3）Alpha因子分析法。Alpha因子分析法可以看作共同因子模型的一个变型，也可以看作另一种方法。

   因子旋转这个步骤包括两个主要选项，即正交旋转和斜交旋转。斜交旋转又可以继续细分为对因子模式矩阵的负载进行直接简化，以及对参照轴的负载进行间接简化。在以上各选项中又有其他的变型。它们中的大多数将会在后面的章节中谈到。

第1章 导论

第1节 对因子分析基础的回顾

第2节 本书涵盖的基本方案和方法

第2章 抽取初始因子的方法

第1节 主成分、特征值和向量

第2节 公因子模型的变型

第3节 最小二乘法

第4节 基于最大似然法的解决方案

第5节 Alpha因子分析法

第6节 映像分析 

第3章 旋转的方法

第1节 图像旋转、简单结构和参照轴

第2节 正交旋转的方法：四次方最大法、最大方差法和均等变化法

第3节 斜交旋转的方法

第4节 旋转至目标矩阵

第4章 再论因子数量的问题

第1节 检验显著性

第2节 通过特征值进行设定

第3节 实质重要性的准则

第4节 碎石检验

第5节 可解释性和恒定性的原则

第5章 验证性因子分析简介

第1节 因子分析性模型被经验证实的程度

第2节 模型所暗示的经验限制的数量

第3节 另一种概念的经验证实：抽样准确性

第4节 验证性因子分析

第6章 建立因子尺度

第1节 因子尺度的不确定性

第2节 抽样变异性和模型拟合的不同标准

第3节 多个公因子和更复杂的情况

第4节 基于因子的尺度

第5节 成分得分

第7章 对常见问题的简单回答

第1节 与变量的性质以及它们的测量有关的问题

第2节 与使用相关或协方差矩阵有关的问题

第3节 与显著性检验和因子分析结果稳定性有关的问题

第4节 其他各种统计问题

第5节 与书、期刊和计算机程序有关的问题

注释

参考文献

术语表

译名对照表