原创力文档- 1、本文档共17页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
CFAandEFA结构方程模型：探索性因子与验证性因子讲义
* 结构方程模型： 探索性因子分析与验证性因子分析 科学 追求真理，寻找纷繁复杂的社会现象背后的原因，找到解决问题的根本办法。 The basic of research process * Theory Deducting Hypotheses Research Design 使用仪器(instrument)、量表 (Scale)，确定样本 Observation Ideate(形成概念) Summary(假设归纳) 实证概括Generalize Measurement 样本估计、描述， 参数估计 逻辑推理(Reason) Accept or Reject hypotheses Examine hypotheses Deduction（Ex.） Induction （Ex.） 科学研究的流程 提出研究问题 进行文献回顾 找到理论，提出假设 设计并执行实证研究 得出结论 构念：在管理、社会、教育、心理学的研究中，很多变量都是不可直接测量的，一般称为构念（Construct）。 潜变量的性质 潜变量与某一假定的构念相关 需要特定的操作性定义 需要选择测量该构念的指标 指标的数据应当与特定的预测相一致 例如指标之间中度相关 多指标方法 多指标方法减少了单个可测变量的总测量误差对结果精确性的影响。 可测变量与潜在的潜变量的区别 可测变量与潜变量共同组成测量模型 测量模型的类型 探索性 (EFA) 验证性 (CFA) 多特质多方法 (MTMM) 层级CFA 探索性因子模型 验证性因子模型 EFA 特征 因子个数可能是从1到可测变量的总数 所有可测变量允许与每个因子相关 通常需要对EFA的解进行旋转来使得因子便于解释 CFA 特征 在分析前要求指定因子的数目以及可测变量与潜变量之间的关系 一般情况下，指标只对应一个因子 每个指标得分均由两部分组成 测量误差相互独立 测量误差与因子独立 EFA vs CFA 两者的目的均为确定能够解释一组可测变量（指标）之间的变异和共变的潜变量的数目和性质 两者都是试图用较少的潜变量来解释一组指标之间的关系 EFA是基于数据的，用于确定因子的数目，以及某个可测变量是哪个潜变量的指标 在EFA中，所有可测变量均经过标准化，并使用相关矩阵来分析 EFA vs CFA CFA是验证性的。因子的数目和指标因子负载模式都是预先指定的 CFA分析的是非标准化变量的方差-协方差矩阵 通过考察所指定的模型再生所测变量之间的协方差矩阵来衡量。 EFA vs CFA CFA模型将交叉负荷设定为0 EFA包括交叉负荷 EFA模型中假设误差项不相关 CFA模型中误差项可能会相关 CFA的用途 评估测试工具 验证结构效度 区分效度 聚合效度 测试SEM的测量模型 * * * * * * * * * * * * * * * * * * * * * * *
文档评论（0）