認知科學：導論/統計學

因子分析

當我們試圖理解思維，以及它如何運作時，我們想要了解的一件事是我們如何看待思維的不同部分。請記住，這可能與大腦的不同部分不同——思維中的某些功能可能並不侷限於特定的位置，就像公司中的某個功能可能與建築物中特定的一些房間沒有很強的關聯一樣。

嘗試理解思維的不同部分的一種流行方法是使用一種稱為“因子分析”的統計技術（在其他領域，它被稱為“主成分分析”。）因子分析所做的是尋找大量變數之間的關係（通常是書面測試中不同型別問題的得分）。假設你給 1000 人做了一份 200 道題的測試。其中一些問題可能涉及世界歷史問題，而另一些問題可能測試代數能力。我們可以預期，在世界歷史問題 A 上表現出色的人可能也會在世界歷史問題 B 上表現出色。同樣地，我們可能並不期望某個人是否答對了 A，也會答對數學問題。我們可能會期望因子分析檢視所有這些問題以及正確和錯誤答案的模式，並找到兩個“因子”。然後，科學家會檢視哪些問題屬於哪些因子，並注意到一些問題是關於歷史的，而另一些問題是關於數學的，並將這些因子命名為“歷史”和“數學”。你可以將其視為一種減少變數數量的方法——在這種情況下，將 200 個問題減少到 2 個因子。因子是變數的加權總和。數學問題被稱為“標記”數學因子，並“載入”到該因子中。在心理學中，我們傾向於將因子解釋為潛在能力的表示。

這就是所謂的“探索性因子分析”。它是探索性的，因為我們基本上只是將資料提供給該技術，它返回它找到的模式。我們不使用我們關於資料結構的先驗假設。探索性因子分析的一個問題是，有多種方法可以進行分析，並且根據你使用的方法，你可以得到不同的因子，以及不同的因子數量。通常，技術的選擇是主觀的。

如果一位科學家已經對資料的結構有了一個想法（也就是說，她認為因子可能是什麼），那麼她就可以執行“驗證性因子分析”，該分析測試她認為存在的因子是否真的存在。有些人認為這是一種更好的科學方法，並且能夠以探索性因子分析無法做到的方式找到反對理論的證據。