发帖
雷达卡
一、应用
1.使用场景
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。验证性因子分析(CFA)用于验证对应关系。
验证性因子分析CFA的主要目的在于进行效度验证，同时还可以进行共同方法偏差CMV的分析。效度有很多种，比如内容效度，结构效度，聚合(收敛)效度，区分效度等。各个名称的区别说明如下
2.SPSSAU操作如下图
二、案例数据
1.案例背景
当前有一份215份的研究量表数据，其共由四个因子表示，第一个因子共5项，分别是A1A5；第二项因子共5项，分别是B1B5；第三个因子共4项，分别是C1C4；第4个因子共6项，分别是D1D6。现希望验证此量表的聚合效度和区分效度，并且希望进行共同方法偏差分析CMV。
2.结果
将数据放入分析框中，SPSSAU系统对数据进行处理后，共输出6个表格，如下：
3.图表说明
说明1
从上表可知，本次针对共4个因子，以及20个分析项进行验证性因子分析(CFA)分析。本次分析有效样本量为215，超出分析项数量的10倍，样本量适中。
分析结果来源于SPSSAU
说明2
因子载荷系数值表格展示因子和测量项之间的关联关系，一般查看标准载荷系数值进行分析即可。
上表格显示，B1与Factor2之间的因子载荷系数值为0.562 < 0.7，说明对应关系较弱，可考虑将此项从Factor2中移除出去。另外从整体上看，各个测量项全部均呈现出0.001水平的显著性( p < 0.001),而且标准化载荷系数值均大于0.7(除B1外)，因而说明整体上看，因子与测量项之间有着良好的对应关系，聚合效度较好。
分析结果来源于SPSSAU
说明3
从上格可知：本研究涉及的4个因子（SPSSAU默认给定名字为Factor 1, Factor 2, Factor 3, Factor 4），它们的AVE值全部均大于0.5，而且CR值全部均大于0.7，因而说明本次测量量表数据具有优秀的聚合效度。
说明4
上表格展示模型拟合指标，共分为常用指标和其它指标。常用指标包括卡方自由度比，GFI，RMSEA，RMR，CFI，NFI和NNFI。其它的一些指标通常使用较少，研究人员可结合实际情况进行选择使用即可。
从上表可知：卡方自由度值为3.389，大于3，而且GFI小于0.9，RMSEA为0.106接近于0.1这一标准，RMR值为0.091不在标准范围内。综合来看，模型构建欠佳，需要进行模型调整。
比如这里将MI>10作为调整标准然后重新进行模型拟合，得到结果如下：
说明5
上表格展示因子与测量项的对应关系MI值，因子与其下属测量项的关系可通过因子载荷系数表格进行查看。MI值并不固定标准大小，一般情况下，该值如果大于20则说明关联性很强。从上表格可以看到，C2与Factor2，Factor4这两个因子间的MI指标均大于15，说明C2与Factor2，Factor4之间可能有着较强的关联性；同时，D5与Factor3之间的MI值为18.121，说明二者有较强的关联性。
综合可知：可考虑将C2，D6这两个指标进行删除（即移除出模型），同时上述因子载荷表格分析还发现B1也可以进行删除。因而将此三项进行删除（移除出模型）后可再次进行模型（限于篇幅限制，SPSSAU并不继续进行分析）。
说明6
上表格展示因子与因子之间的关联性，可通过标准系数进行分析。从上表可知，在进行因子协方差表格分析时，本研究共4个因子，他们两两之间的标准系数值均介于0.6~0.85之间，说明因子之间具有较强的关联性。
三、分析
1.CR值
组合信度（Construct Reliability，CR值）：通过因子载荷量计算的表示内部一致性信度质 量的指标值，计算公式如下：
式中， 表述因子载荷量，
表示测量误差；
2.AVE值
平均方差抽取量（Average Variance Extracted，AVE值）：通过因子载荷量计算的表示收敛效度的指标值。计算公式如下：
式中， 表述因子载荷量，
表示测量误差；
3.其他指标
四、扩展
1.SPSSAU分析建议
2.验证性因子分析通常有三个用途
3.具体操作
（1）点击SPSSAU问卷调查里面的‘验证性因子分析’按钮。如下图
（2）拖拽数据后开始分析：
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
