验证性因子分析的一般步骤.docx

验证性因子分析的一般步骤.docx

此“教育”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、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。。
  2. 2、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
  3. 3、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)。
查看更多

验证性因子分析(ConfirmatoryFactorAnalysis,CFA)是一种用于检验测量模型与理论假设是否匹配的高级统计方法。与探索性因子分析(EFA)不同,CFA需要研究者预先设定因子与测量项之间的关系模型。以下是使用SPSSAU(在线SPSS)进行验证性因子分析的一般步骤:

1.模型设定与识别

1.1模型设定

理论基础:根据研究理论或参考成熟量表结构,预先设定因子与测量项的对应关系

量表类型:

对于成熟量表:可直接进行CFA验证

对于新开发量表:建议先进行EFA探索结构,删除不合理题项后再进行CFA

SPSSAU操作:

在仪表盘选择【问卷研究】→【验证性因子分析】

将预设的测量项拖拽至对应的因子分析框中

SPSSAU(网页SPSS)最多支持20个因子,允许修改因子名称

1.2模型识别

识别类型:不可识别、恰好识别、过度识别

判断方法:使用t法则-模型中参数个数≤p(p+1)/2(p为观测变量/题项个数)

实际应用:通常模型会满足识别条件,可通过输出的模型自由度判断

2.模型参数估计

估计方法:SPSSAU默认使用最大似然估计法(MLE)

关键参数:

因子载荷:反映测量项与因子的关系强度

测量误差:每个测量项的独特方差

因子间相关:潜变量之间的关系

结果解读:

标准化因子载荷应0.5,理想情况0.7

测量误差应合理,无异常值

3.模型拟合评价

主要拟合指标:

绝对拟合指数:χ2/df(3)、RMSEA(0.08)、GFI(0.9)

相对拟合指数:CFI(0.9)、TLI(0.9)

简约拟合指数:PNFI(0.5)、PGFI(0.5)

评价标准:

多个指标综合判断,而非单一指标

不同学科领域可能有不同标准

4.模型修正(非必须)

当模型拟合不理想时,可考虑以下修正方法:

4.1删除不合理测量项

因子载荷0.5的测量项

与预设因子对应关系严重偏差的测量项

4.2MI指标修正

在SPSSAU中选择输出MI指标(如10的MI值)

根据输出结果,建立测量项间的协方差关系

每次只修正一个关系,重新评估模型拟合

5.分析与应用

5.1量表效度评价

结构效度:因子载荷0.5,模型拟合达标

组合信度(CR):应0.6,理想0.7

聚合效度(AVE):应0.5

区分效度:AVE平方根大于因子间相关系数

5.2其他应用方向

多模型比较

共同方法偏差检验(单因子模型拟合不达标)

高阶因子模型验证

注意事项

CFA通常需要多次迭代才能获得理想模型

模型修正应有理论依据,避免纯粹数据驱动

使用SPSSAU(在线SPSS)时可参考平台提供的分析建议和结果解读

对于复杂模型,可考虑使用结构方程模型(SEM)进行更全面的分析

通过以上步骤,研究者可以系统地验证量表的结构效度,为后续研究提供可靠的理论基础。SPSSAU平台提供了便捷的验证性因子分析功能,帮助研究者高效完成这一复杂的统计分析过程。

文档评论(0)

147****4623 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档