您當前的位置:首頁 > 舞蹈

實用教程!驗證性因子分析思路總結

作者:由 SPSSAU 發表于 舞蹈時間:2019-11-27

實用教程!驗證性因子分析思路總結

驗證性因子分析,是用於測量因子與測量項(量表題項)之間的對應關係是否與研究者預測保持一致的一種研究方法。儘管因子分析適合任何學科使用,但以社會科學居多。

Step1:因子分析型別

因探索性因子分析,主要用於濃縮測量項,將所有題項濃縮提取成幾個概括性因子,達到減少分析次數,減少重複資訊的目的。

驗證性因子分析與探索性因子分析相似,兩者區別只在於

驗證性因子分析(CFA)用於驗證對應關係,探索性因子分析(EFA)用於探索因子與測量項(量表題項)之間的對應關係。

Step2:分析思路

在實際研究中,驗證性因子分析常會與

結構方程模型

、路徑分析等方法聯絡到一起,對於不熟悉概念的研究人員容易搞混這些方法,下表對這幾種方法進行簡單說明:

實用教程!驗證性因子分析思路總結

探索性因子分析:

驗證因子與分析項的對應關係,檢驗量表效度,非經典量表通常用探索性因子分析。

驗證性因子分析:

驗證因子與分析項的對應關係,檢驗量表效度,成熟量表通常用驗證性因子分析。確認測量關係後,後續可進行路徑分析/

線性迴歸分析

研究具體的影響關係。

路徑分析:

用於研究多個自變數與多個因變數影響關係;如果因變數只有一個,可以使用線性迴歸分析。

結構方程模型SEM:

包括測量關係和影響關係。如果僅包括影響關係,此時稱作路徑分析(Path analysis,有時也稱

通徑分析

)。通常需要進行探索性因子分析和驗證性因子分析,均保證測量關係無誤之後,再進行

結構方程

模型構建。

從分析思路上看,建議先用探索性因子分析EFA構建模型,確定存在幾個因子及各分析項與因子的對應關係,再用驗證性因子分析CFA加以檢驗。

Step3:SPSSAU操作

實用教程!驗證性因子分析思路總結

分析步驟

(1)模型設定

首先需要確定因子數及對應分析題項,順序放入分析框內。

實用教程!驗證性因子分析思路總結

(2)模型擬合

實用教程!驗證性因子分析思路總結

因子載荷係數表格-SPSSAU

透過因子載荷係數表格可以展示因子(潛變數)與分析項(顯變數)之間的關係情況。如果因子與測量項間的對應關係出現嚴重偏差,或者因子載荷係數值過低,則需要刪除掉該測量項。

分析時主要關注P值及

標準載荷係數

,建議結合SPSSAU給出的“分析建議”進行分析。

實用教程!驗證性因子分析思路總結

實用教程!驗證性因子分析思路總結

模型擬合指標-SPSSAU

模型擬合指標用於整體模型擬合效度情況分析。

常用的擬合值及其判斷標準,都展示在上表中,實際輸出值在標準範圍內及說明模型擬合程度較好。模型擬合指標非常多,通常下很難保證所有指標均達標,只要多數指標達標或接近

標準值

即可。

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

(3)模型修正

根據模型擬合指標情況,評價模型的優劣,如果模型擬合情況不佳,則需要進一步修正模型。

實用教程!驗證性因子分析思路總結

因子和分析項 - MI指標

MI指標越大說明該項與其他因子的相關性越強,MI過大時會干擾模型需要進行修正或剔除該項。

實用教程!驗證性因子分析思路總結

模型構建過程需要重複多次,以得到最優模型。同時SPSSAU會自動生成模型結果圖。

實用教程!驗證性因子分析思路總結

(4)模型分析

在完成模型構建後,即可使用模型進行分析。驗證性因子分析主要有三個方面的功能,分別是聚合效度、區分效度、共同方法偏差。

聚合效度

聚合效度,也叫做收斂效度。AVE和CR是用於判斷聚合效度的常用指標,AVE>0。5,並且CR>0。7,則說明具有良好的聚合效度。如果AVE或CR值較低,可考慮移除某因子後重新分析聚合效度。

實用教程!驗證性因子分析思路總結

上圖為SPSSAU輸出的AVE、CR值指標表格,可以根據此表格進行檢視。

區分效度

區分效度,常用的做法是將AVE根號值與‘相關係數值’進行對比,SPSSAU也會輸出相應結果。

實用教程!驗證性因子分析思路總結

如果每個因子的AVE根號值均大於“該因子與其它因子的相關係數最大值”,說明具有良好的區分效度。

共同方法偏差

共同方法偏差,SPSSAU提供兩種方法檢驗,一種是探索性因子分析(也稱作Harman單因子檢驗方法),做法是將所有變數進行探索性因子分析,如果只得出一個因子或者第一個因子的解釋力(方差解釋率)特別大,則判定存在共同方法偏差。

實用教程!驗證性因子分析思路總結

探索性因子分析

另一種是驗證性因子分析,所有變數全部放在一個因子裡面進行分析,如果測量出來顯示模型的擬合指標無法達標,模型擬合不佳,說明所有的測量項並不應該同屬於一個因子,也就說明資料無共同方法偏差問題。

Step4:常見問題

驗證性因子分析需要較大的樣本量,通常建議樣本量至少為測量項(量表題)的5倍以上,最好10倍以上,且一般情況下至少需要200個樣本。

一個因子對應的測量項最好在5~8個之間,便於後續刪除掉不合理測量項。

絕大多數情況下均為一階驗證性因子分析。如果說驗證性因子分析時為二階模型,此時引數處選中‘二階’即可。

總結

一般來說,使用驗證性因子分析需要有一定的理論基礎支援,如果擬合指標不能達標,最好按照分析思路:探索性因子分析→驗證性因子分析,進行分析。

以及對於不熟悉的步驟,建議大家閱讀SPSSAU幫助手冊的相關說明以及SPSSAU的教學影片。

更多內容登入SPSSAU官網檢視:

標簽: 因子分析  因子  模型  驗證  SPSSAU