认知科学：导论/统计学

因子分析

当我们试图理解思维，以及它如何运作时，我们想要了解的一件事是我们如何看待思维的不同部分。请记住，这可能与大脑的不同部分不同——思维中的某些功能可能并不局限于特定的位置，就像公司中的某个功能可能与建筑物中特定的一些房间没有很强的关联一样。

尝试理解思维的不同部分的一种流行方法是使用一种称为“因子分析”的统计技术（在其他领域，它被称为“主成分分析”。）因子分析所做的是寻找大量变量之间的关系（通常是书面测试中不同类型问题的得分）。假设你给 1000 人做了一份 200 道题的测试。其中一些问题可能涉及世界历史问题，而另一些问题可能测试代数能力。我们可以预期，在世界历史问题 A 上表现出色的人可能也会在世界历史问题 B 上表现出色。同样地，我们可能并不期望某个人是否答对了 A，也会答对数学问题。我们可能会期望因子分析查看所有这些问题以及正确和错误答案的模式，并找到两个“因子”。然后，科学家会查看哪些问题属于哪些因子，并注意到一些问题是关于历史的，而另一些问题是关于数学的，并将这些因子命名为“历史”和“数学”。你可以将其视为一种减少变量数量的方法——在这种情况下，将 200 个问题减少到 2 个因子。因子是变量的加权总和。数学问题被称为“标记”数学因子，并“加载”到该因子中。在心理学中，我们倾向于将因子解释为潜在能力的表示。

这就是所谓的“探索性因子分析”。它是探索性的，因为我们基本上只是将数据提供给该技术，它返回它找到的模式。我们不使用我们关于数据结构的先验假设。探索性因子分析的一个问题是，有多种方法可以进行分析，并且根据你使用的方法，你可以得到不同的因子，以及不同的因子数量。通常，技术的选择是主观的。

如果一位科学家已经对数据的结构有了一个想法（也就是说，她认为因子可能是什么），那么她就可以运行“验证性因子分析”，该分析测试她认为存在的因子是否真的存在。有些人认为这是一种更好的科学方法，并且能够以探索性因子分析无法做到的方式找到反对理论的证据。