因素負荷量意思
因素負荷量（Factor Loading）是心理學和統計學中的一個概念，特別是在因素分析中使用。因素分析是一種數據降維技術，用來找出變量之間的潛在結構。因素負荷量用來描述一個變量與一個因素的相關程度，或者說是該變量受該因素影響的大小。
在因素分析中，數據集中的每個變量都會與每個因素有一個因素負荷量。因素負荷量的值介於-1和+1之間，其中：
- 正數表示該變量與因素正相關，即當因素得分增加時，變量值也傾向於增加。
- 負數表示該變量與因素負相關，即當因素得分增加時，變量值傾向於減少。
- 絕對值越接近1，表示相關性越強，即變量越能代表該因素。
- 絕對值越接近0，表示相關性越弱，即變量與該因素的關聯性較小。
例如，如果一個變量的因素負荷量為0.8，這意味著該變量與該因素有強正相關。如果另一個變量的因素負荷量為0.2，這意味著該變量與該因素的相關性較弱。
在解釋因素負荷量時，通常會考慮以下幾點：
- 因素負荷量的大小：絕對值越大的負荷量表示變量與因素的相關性越強。
- 負荷量的正負號：正號表示正相關，負號表示負相關。
- 因素負荷量的相對大小：比較同一因素下的不同變量的負荷量，可以了解哪些變量對該因素的貢獻更大。
- 因素負荷量的統計顯著性：通常會通過檢驗負荷量的統計顯著性來確定它們是否實際上與因素相關。
因素負荷量是因素分析中一個關鍵的輸出，它幫助研究者理解數據中的結構，並識別哪些變量可以代表哪些潛在的因素。