验证性因子分析思路总结

目录
验证性因子分析 (1)
分析步骤 (3)
（1）模型设定 (4)
（2）模型拟合 (4)
（3）模型修正 (6)
（4）模型分析 (9)
验证性因子分析，是用于测量因子与测量项(量表题项)之间的对应关系是否与研究者预测保持一致的一种研究方法。

尽管因子分析适合任何学科使用，但以社会科学居多。

目前有很多软件都可以非常便利地实现验证性因子分析，本文将基于SPSSAU系统进行说明。

验证性因子分析
Step1：因子分析类型
因子分析可分为两种类型：探索性因子分析（EFA）和验证性因子分析（CFA）。

探索性因子分析，主要用于浓缩测量项，将所有题项浓缩提取成几个概括性因子，达到减少分析次数，减少重复信息的目的。

验证性因子分析与探索性因子分析相似，两者区别只在于探索性因子分析(EFA)用于探索因子与测量项之间的对应关系，验证性因子分析(CFA)用于验证结果与理论预期是否一致。

Step2：分析思路
在实际研究中，验证性因子分析常会与结构方程模型、路径分析等方法联系到一起，对于不熟悉概念的研究人员容易搞混这些方法，下表对这几种方法进行简单说明：
探索性因子分析（EFA）研究测量关系适用于非经典量表验证性因子分析（CFA）研究测量关系适用于经典量表回归分析研究自变量对一个因变量的影响关系y为定量数据
路径分析研究多个自变量与多个因变量之间的影响关系可先用CFA/EFA确定因子与研究项关系，再进行路径分析
结构方程模型研究影响关系及测量关系结构方程模型包括两部分：验证性因子分析和路径分析
●探索性因子分析：验证因子与分析项的对应关系，检验量表效度，非经典量表通常用探
索性因子分析。

●验证性因子分析：验证因子与分析项的对应关系，检验量表效度，成熟量表通常用验证
性因子分析。

确认测量关系后，后续可进行路径分析/线性回归分析研究具体的影响关系。

●路径分析：用于研究多个自变量与多个因变量影响关系；如果因变量只有一个，可以使
用线性回归分析。

●结构方程模型SEM：包括测量关系和影响关系。

如果仅包括影响关系，此时称作路径
分析（Path analysis，有时也称通径分析）。

通常需要进行探索性因子分析和验证性因子分析，均保证测量关系无误之后，再进行结构方程模型构建。

从分析思路上看，建议先用探索性因子分析EFA构建模型，确定存在几个因子及各分析项与因子的对应关系，再用验证性因子分析CFA加以检验。

Step3：SPSSAU操作
分析步骤
（1）模型设定
首先需要确定因子数及对应分析题项，顺序放入分析框内。

●模型MI调整：用于修正模型拟合度，一般在模型拟合情况不佳时使用。

通常情况下不
需要设置。

●二阶：验证性因子分析包括一阶和二阶，绝大多数情况下均为一阶验证性因子分析。

如
果说验证性因子分析时为二阶模型，可以勾选‘二阶’项即可。

（2）模型拟合
因子载荷系数表格
通过因子载荷系数表格可以展示因子(潜变量)与分析项(显变量)之间的关系情况。

如果因子与测量项间的对应关系出现严重偏差，或者因子载荷系数值过低，则需要删除掉该测量项。

分析时主要关注P值及标准载荷系数，建议结合SPSSAU给出的“分析建议”进行分析。

模型拟合指标
模型拟合指标用于整体模型拟合效度情况分析。

常用的拟合值及其判断标准，都展示在上表中，实际输出值在标准范围内及说明模型拟合程度较好。

模型拟合指标非常多,通常下很难保证所有指标均达标，只要多数指标达标或接近标准值即可。

*常用指标包括卡方自由度比，GFI，RMSEA，RMR，CFI，NFI和NNFI。

（3）模型修正
根据模型拟合指标情况，评价模型的优劣，如果模型拟合情况不佳，则需要进一步修正模型。

MI指标越大说明该项与其他因子的相关性越强，MI过大时会干扰模型需要进行修正或剔除该项。

模型构建过程需要重复多次，以找到最优模型。

同时SPSSAU会自动生成模型结果图。

（4）模型分析
在完成模型构建后，即可使用模型进行分析。

验证性因子分析主要有三个方面的功能，分别是聚合效度、区分效度、共同方法偏差。

聚合效度
聚合效度，也叫做收敛效度。

AVE和CR是用于判断聚合效度的常用指标，AVE>0.5，并且CR>0.7，则说明具有良好的聚合效度。

如果AVE或CR值较低,可考虑移除某因子后重新分析
聚合效度。

上图为SPSSAU输出的AVE、CR值指标表格，可以根据此表格进行查看。

区分效度
区分效度，常用的做法是将AVE根号值与‘相关系数值’进行对比，SPSSAU也会输出相应结果。

如果每个因子的AVE根号值均大于“该因子与其它因子的相关系数最大值”，说明具有良好的区分效度。

共同方法偏差
共同方法偏差，SPSSAU提供两种方法检验，一种是探索性因子分析(也称作Harman单因子
检验方法)，做法是将所有变量进行探索性因子分析，如果只得出一个因子或者第一个因子的解释力（方差解释率）特别大，则判定存在共同方法偏差。

另一种是验证性因子分析，所有变量全部放在一个因子里面进行分析，如果测量出来显示模型的拟合指标无法达标，模型拟合不佳，说明所有的测量项并不应该同属于一个因子，也就说明数据无共同方法偏差问题。

Step4：常见问题
●验证性因子分析需要较大的样本量，通常建议样本量至少为测量项(量表题)的5倍以上，
最好10倍以上，且一般情况下至少需要200个样本。

●一个因子对应的测量项最好在5~8个之间，便于后续删除掉不合理测量项。

●绝大多数情况下均为一阶验证性因子分析。

如果说验证性因子分析时为二阶模型，此时
参数处选中‘二阶’即可。

总结：
一般来说，使用验证性因子分析需要有一定的理论基础支持，如果拟合指标不能达标，最好按照分析思路：探索性因子分析→验证性因子分析，进行分析。

以及对于不熟悉的步骤，建议大家阅读SPSSAU帮助手册的相关说明以及SPSSAU的教学视频。