因子分析的基本原理

因子分析 (Factor Analysis) 是一種多變量統計方法，透過分析眾多觀測變項之間的相關樣態，找出隱藏在背後的少數潛在構念 (因子)。Charles Spearman 於 1904 年在智力研究中首度採用這套手法，而它在人格心理學裡發揮了決定性的作用。基本想法是：若有多個問卷題目彼此高度相關，那麼這些題目應當反映著某個共同的潛在因子。舉例來說，「喜歡參加聚會」「和人聊天很愉快」「獨處時會覺得無聊」這 3 個題目若互相高度相關，便可推定它們背後存在「外向性」這個共同因子。因子分析就是把這種推定以數學方式嚴謹執行的方法，它會算出每個題目與各因子的關聯強度，也就是因子負荷量。

探索性因子分析與驗證性因子分析

因子分析大致分為兩種取向。探索性因子分析 (Exploratory Factor Analysis, EFA) 事先不對資料結構立下假設，目的在於從資料本身發現因子結構。五大人格特質模型的發現正是走這條路：研究者把數千個描述人格的形容詞投入因子分析，結果反覆浮現出 5 個因子。另一方面，驗證性因子分析 (Confirmatory Factor Analysis, CFA) 用來檢驗理論上設想的因子結構是否適配資料。五大模型確立之後，已有大量研究在新樣本與跨文化樣本上執行 CFA，確認 5 因子結構能否重現。須留意的是，EFA 中因子轉軸方式的選擇 (最大變異轉軸、Promax 斜交轉軸等) 會左右結果，研究者的判斷仍有介入的空間。

因子分析在人格研究中的意義與限制

因子分析為人格心理學奠下科學基礎，讓這門學問得以採取實證取向，與血型性格判斷之類主觀的人格類型論劃清界線。五大模型之所以被廣泛接受，最大的理由在於其再現性極高：不同研究者用不同樣本做因子分析，仍一致抽出同樣的 5 個因子。不過因子分析也有限制。第一，因子數目的決定仍需研究者判斷，並沒有任何保證能說 5 因子就是「正解」(事實上 Ashton 與 Lee 便提出了 6 因子的 HEXACO 模型)。第二，因子分析只能捕捉線性關係，可能漏看人格特質之間的非線性交互作用。第三，因子分析描述的是變項間的共變樣態，並不能指出因果關係。因子分析抽出的向度，是把作答傾向摘要起來的標籤，並不是組成人格的零件。因此向度上的數值，也到不了說中你與眼前這個人之間具體互動的那一步。把 5 條軸當成「用來綜覽人的傾向的略圖」來讀，結果便不必被硬塞進準與不準的二選一。