探索的因子分析が必要な場面
探索的因子分析（EFA）は、観測変数間の相関を説明する潜在構成概念を特定する手法です。質問紙の開発・妥当性検証、多数の項目を少数の意味ある因子に縮約する場合、新しい測定尺度の次元性を探索する場合に主に使用されます。
心理学や教育学で最も広く使用される多変量解析手法の一つであるにもかかわらず、多くの研究者がEFAの結果をAPA形式で正確に報告することに困難を感じています。
APA報告の必須構成要素
APA第7版でEFAの結果を報告する際に含めるべき要素：
- 標本妥当性: Kaiser-Meyer-Olkin（KMO）測度
- 因子分析適合性: バートレットの球面性検定
- 抽出方法: 主因子法、最尤法など
- 回転方法: バリマックス、プロマックス、オブリミンなど
- 保持因子数: 使用した基準（固有値 > 1、スクリープロット、平行分析）
- 総説明分散: 保持された因子が説明する割合
- 因子負荷量表: 負荷量、共通性、交差負荷量
- 信頼性: 各因子のCronbach's alpha
ステップ1：標本妥当性の報告
因子解を提示する前に、データが因子分析に適していることを示します。
例：
Kaiser-Meyer-Olkin測度が分析の標本妥当性を確認した、KMO = .87、これは推奨基準の.60を超えている。バートレットの球面性検定の結果、χ2(190) = 2145.30, p < .001、項目間の相関が因子分析に十分な大きさであることが示された。
KMO解釈基準
| KMO | 解釈 | |-----|------| | ≥ .90 | 素晴らしい | | .80-.89 | 非常に良い | | .70-.79 | 普通 | | .60-.69 | やや不十分 | | .50-.59 | 不適切 | | < .50 | 許容不可 |
ステップ2：抽出および回転方法の報告
使用した方法を明示し、回転の選択を正当化します。
潜在構成概念を特定することが主目的であるため、主因子法を使用した。因子間の相関が予想されるため、プロマックス回転（斜交）を適用した。
回転方法の選択基準
- 直交回転（バリマックス）: 因子間に相関がないと仮定する場合
- 斜交回転（プロマックス、オブリミン）: 因子間の相関が予想される場合（社会科学でより一般的）
ステップ3：因子保持基準の報告
因子数の決定方法を説明します。
固有値が1.0を超える3つの因子が抽出され、これはスクリープロットおよび平行分析の結果と一致した。3因子は総分散の62.4%を説明した。
各因子の寄与を報告します：
因子1は分散の28.3%、因子2は19.7%、因子3は14.4%を説明した。
ステップ4：因子負荷量表の報告
有意な負荷量（一般的に > .30または > .40）のみを表示する整理された表を提示します。
例：
| 項目 | 因子1 | 因子2 | 因子3 | 共通性 | |------|-------|-------|-------|--------| | 項目1 | .78 | | | .65 | | 項目5 | .74 | | | .58 | | 項目3 | .71 | | | .54 | | 項目8 | .65 | | | .49 | | 項目2 | | .82 | | .70 | | 項目6 | | .76 | | .62 | | 項目9 | | .69 | | .51 | | 項目4 | | | .81 | .68 | | 項目7 | | | .73 | .57 | | 項目10 | | | .67 | .48 |
本文での記述：
回転後の因子負荷量を表1に示した。因子1に負荷した項目は認知的関与に関連していた（4項目、負荷量 .65-.78）。因子2の項目は情緒的関与を反映していた（3項目、負荷量 .69-.82）。因子3の項目は行動的関与を捉えていた（3項目、負荷量 .67-.81）。すべての項目の主因子負荷量が.40を超え、.30を超える交差負荷量はなかった。
ステップ5：信頼性の報告
各因子の内的一貫性をCronbach's alphaで評価した。因子1（認知的関与）は良好な信頼性を示し（α = .84）、因子2（情緒的関与）も良好な信頼性を示し（α = .81）、因子3（行動的関与）は許容可能な信頼性を示した（α = .76）。
完全な報告例
結果
10項目の学生関与尺度に対して、主因子法とプロマックス回転を用いて探索的因子分析を実施した。Kaiser-Meyer-Olkin測度が標本妥当性を確認した、KMO = .87。バートレットの球面性検定の結果、χ2(190) = 2145.30, p < .001、項目間の相関がEFAに十分な大きさであることが示された。
固有値が1.0を超える3因子が保持され、総分散の62.4%を説明した。因子1（認知的関与、4項目）は分散の28.3%、因子2（情緒的関与、3項目）は19.7%、因子3（行動的関与、3項目）は14.4%を説明した。すべての項目が主因子に.40以上で負荷し、.30を超える交差負荷量はなかった（表1参照）。すべての因子の内的一貫性は良好であった（α = .76-.84）。
よくある間違い5つ
1. KMOとバートレット検定の省略
査読者はデータの因子分析適合性の証拠を期待しています。必ず両方を報告してください。
2. 回転方法の未正当化
直交 vs. 斜交回転の選択理由を説明してください。根拠なくバリマックスをデフォルトとして使用しないでください。
3. すべての負荷量を報告
.30または.40未満の負荷量は表の可読性のために非表示にしてください。非表示基準を明記してください。
4. 交差負荷量の無視
複数の因子に.30以上で負荷する項目は問題になり得ます。結果でこれに言及してください。
5. EFAとCFAの混同
EFAは探索的でデータ駆動型です。確認的因子分析（CFA）は事前に指定されたモデルを検証します。CFAを実施する際にEFAの用語を使用したり、その逆を行ったりしないでください。
自分のデータで分析する
無料の因子分析計算機を使えば、KMO、バートレット検定、固有値、スクリープロット、因子負荷量、説明分散を自動で計算し、APA形式の結果を提供します。