第四讲--验证性因子分析的原理与应用.pptVIP

第四讲 验证性因子分析的原理与应用 主讲：张 林（博士） 一、因子分析（ Factor Analysis ） 基本思想 基本思想: 在研究中往往需要对反映事物的多个变量进行观测，收集数据，变量庞大无疑为科学研究提供了丰富的信息，但在一定程度上也增加了问题分析的复杂性，由于各变量存在一定相关关系，因而可以通过降维过程将相关性高的变量聚在一起，因子分析由此而来。 根据研究目的不同，因子分析可以分为： 探索性因子分析（ Exploratory Factor Analysis ） 验证性因子分析（ Confirmatory Factor Analysis ） 二、 Exploratory Factor Analysis 1. 基本含义： 在实际研究中，如果事先对于因素分析的结果(如公因子的数目，含义，公因子问的关系、公因子与观测变量的关系)并无明确的、可检验的假设(如在开创性研究中)，研究的目的仅在于“发现”、命名可能存在的公因子并用公因子来解释观测变量间的共变关系。 2. 前提假设: 3. EFA的基本步骤： 三、 Confirmatory Factor Analysis 1. 基本含义 根据已有理论和研究成果，事前就能够对因素分析的结果做出合理的理论假设，研究的目的在于从数据的角度检验这种假设(构想效度)的合理性。 2. 前提假设： （1）公共因素之间可以相关，也可以无关； （2）观测变量可以只受某一个或几个公共因素的的影响，而不必受所有公共因素的影响； （3）特殊因素之间可以有相关，可以有不存在误差的观测变量； （4）公共因素与特殊因素相互独立。 四、CFA 在研究中的应用 模型设定： 将模型路径图转换为参数矩阵的形式； Ｘ=Λｘξ+δ x1 λ11 0 δ1 x2 λ21 0 ξ1 δ2 X= x3 ，Λｘ= λ31 0 ，ξ= ，δ= δ3 x4 λ41 0 ξ2 δ4 x5 0 λ52 δ5 x6 0 λ62 δ6 参数设置： （1）自由参数 ——待估计参数； （2）固定参数 ——固定值为0或1； （3）限制参数 ——限定数值。 矩阵基础知识 零矩阵 —— 0（ZE）； 单位矩阵 —— I （ID）； 对角矩阵 —— （DI）； 下三角矩阵—— （SD）； 对称矩阵 ——（SY）； 标准对称矩阵——（ST）； 完整矩阵 ——（FU）。 * * *