验证性因子分析（验证性因子分析的定义）

本文目录

验证性因子分析的定义
验证性因子分析cfa的因子载荷系数小于多少需要删去
如何用amos做验证性因子分析
探索性因子和验证性因子分析的区别和联系
关于用amos做验证性因子分析(效度)的步骤有哪些
探索性因素分析和验证性因素分析的区别
SPSSAU因子分析和验证性因子分析有什么区别
验证性因子分析和效度检验是什么关系啊
探索性因子分析和验证性因子分析可以用同一组数据吗
验证性因子分析

验证性因子分析的定义

在社会调查研究构成中，研究者首先开发调查问卷。对应于每一个研究者所感兴趣的理论变量，问卷中往往有多个问题。比如，研究者对顾客的忠诚度感兴趣，忠诚度可能用购买频率、主观评估、消费比例等多个问题来衡量。这个理论变量就是因子，这些个别问题是测度项。验证性因子分析就是要检验购买频率、主观评估、消费比例是否真的可以反映忠诚度。
与验证性因子分析相对的是探索性因子分析。在探索性因子分析中，比如，因为我们想让数据“自己说话”，我们即不知道测度项与因子之间的关系，也不知道因子的值，所以我们只好按一定的标准(比如一个因子的解释能力) 凑出一些因子来，再来求解测度项与因子关系。探索性因子分析的一个主要目的是为了得到因子的个数。
探索的因子分析有一些。第一，它假定。在实际研究中，我们往往会假定一个因子之间没有因果关系，所以可能不会影响另外一个因子的测度项。第二，探索性因子分析假定测度项残差之间是相互独立的。实际上，测度项的残差之间可以因为共同方法偏差、子因子等因素而相关。第三，探索性因子分析强制所有的因子为独立的。这虽然是求解因子个数时不得不采用的机宜之计，却与大部分的研究模型不符。最明显的是，自变量与因变量之间是应该相关的，而不是独立的。这些局限性就要求有一种更加灵活的建模方法，使研究者不但可以更细致地描述测度项与因子之间的关系，而且并对这个关系直接进行测试。而在探索性因子分析中，一个被测试的模型(比如正交的因子) 往往不是研究者理论中的确切的模型。
验证性因子分析 (confirmatory factor analysis) 的强项正是在于它允许研究者明确描述一个理论模型中的细节。那么一个研究者想描述什么呢？因为测量误差的存在，研究者需要使用多个测度项。当使用多个测度项之后，我们就有测度项的“质量”问题，即效度检验。而效度检验就是要看一个测度项是否与其所设计的因子有显著的载荷，并与其不相干的因子没有显著的载荷。当然，我们可能进一步检验一个测度项工具中是否存在共同方法偏差，一些测度项之间是否存在“子因子”。这些测试都要求研究者明确描述测度项、因子、残差之间的关系。对这种关系的描述又叫测度模型 (measurement model)。对测度模型的检验就是验证性测度模型。对测度模型的质量检验是假设检验之前的必要步骤。

验证性因子分析cfa的因子载荷系数小于多少需要删去

因子载荷的临界值没有统一的标准，最常见的取舍标准是0.45或0.4，最低的标准是0.3，严格一点的话也有人以0.5为标准。根据《结构方程模型及其应用》这本教材的观点，因子载荷在0.45以下的题目即可可考虑删除，但实际应用中，研究者的取舍都是比较灵活的，有的题目尽管因子载荷不高，但考虑到是在使用他人已经修订好的问卷（尊重版权），或者研究者自己有理由相信这道题目测到了想测的内容，有很好的理论意义，也是可以考虑保留的。
以下资料希望对您有所帮助：
因子载荷a(ij)的统计意义就是第i个变量与第j个公共因子的相关系数即表示X(i)依赖F(j)的份量(比重)。统计学术语称作权，心理学家将它叫做载荷，即表示第i个变量在第j个公共因子上的负荷，它反映了第i个变量在第j个公共因子上的相对重要性。在因子分析中，通常只选其中m个(m

验证性因子分析是对社会调查数据进行的一种统计分析。它测试一个因子与相对应的测度项之间的关系是否符合研究者所设计的理论关系。验证性因子分析往往通过结构方程建模来测试。在实际科研中，验证性因子分析的过程也就是测度模型的检验过程。可以进行测度模型及包括因子之间关系的结构方程建模并拟合的统计软件有很多，比如LISREL、AMOS、EQS、MPLUS等。其中最常用的是LISREL。在LISREL这个软件中有三种编程语言:PRELIS是用来作数据处理或简单运算，比如作一些回归分析、计算一个样本的协方差矩阵;LISREL是一种矩阵编程语言，它用矩阵的方式来定义我们在测度项与构件、构件之间的关系，然后采用一个估计方法 (比如极大似然估计) 进行模型拟合;SIMPLIS是一种简化的结构方程编程语言，适合行为研究者用。一般来讲，研究者需要先通过SIMPLIS建立测度模型，然后进行拟合。根据拟合的结果，测度模型可能需要调整，抛弃质量差的测度项，然后再拟合，直到模型的拟合度可以接受为止。

如何用amos做验证性因子分析

验证性因子分析主要探讨潜变量之间的相关关系而不是因果关系，在SEM中，模型构建分为两块，一块是测量模型，一块是结构模型，测量模型是测量潜变量和观测指标的关系模型，而结构模型则是测量潜变量之间的关系模型；所谓验证性因子分析就是主要探讨结构模型中的相关关系，操作很简单，你把潜变量之间用双箭头联系起来就可以了，当然，这里要注意一点，如果根据理论或者经验推测某两个潜变量之间完全不存在相关的话，可以不用双箭头联系；另外，AMOS里面的analysis properties 模块设置中有个output选项，你点击critical ratios for difference 选项（打勾），运行数据后在text output的报表中可以根据临界比率（p是否小于.05）来判断潜变量之间的关系强度是否显著，如果小于临界比率，建议取消对应的潜变量双箭头。

探索性因子和验证性因子分析的区别和联系

探索性因子分析（EFA）与验证性因子分析（CFA），二者的区别在于，验证性因子分析(CFA)用于验证对应关系，探索性因子分析(EFA)用于探索因子与测量项(量表题项)之间的对应关系。

如果是成熟的量表，研究者可同时使用验证性因子分析CFA，和探索性因子分析(简称因子分析,EFA)验证量表的效度。

如果量表的权威性较弱，通常使用探索性因子分析(EFA)进行探索因子，或者效度检验分析。

两种方法均可在spssau中操作分析，结合智能分析建议更便于理解。

关于用amos做验证性因子分析(效度)的步骤有哪些

在之前的回答中我们已经了解了这种分析是用来对测量模型进行验证的。这个地方有点绕，因为在国内的教材也好，老师讲课也好，使用CFA虽然是针对测量模型进行的分析，但是其具体指向的是结构效度这一概念。在SEM里，我们是对测量模型（常见为CFA）和结构模型（常见为路径分析、中介效应分析等）二者进行拟合的判断。

这里又是测量又是结构的，很容易让人产生混乱，以至于在分析选择及处理上总是纠缠不清，同样另一位答主也在这点上有些搅。这里我们再明确一下CFA的用法：验证性因素分析是通过SEM的方法（仅仅是通过方法，其实和SEM本质上还是有区别的）对测量模型的拟合进行验证，以确认测量的结构效度的分析方法。

题目中的两种做法区别到底在哪？我们可以发现其实题目中的方法，即潜变量共变的方法是标准的CFA的做法。我们之前提到，CFA只对测量模型进行验证，那么在测量模型中，维度/因素间的关系我们是假设其相互对立的，或者不假设关系。基于此，通过前人研究做的假设放到一个CFA中进行关系的拟合判断事实上是并不符合CFA仅针对测量模型进行分析的条件的。

除了在方法1的基础上进行了维度潜变量拟合的验证外，又验证了一个假设的结构模型。这是典型的潜变量SEM的做法，或者说是进行结构模型分析。这是SEM的标准做法，但并不是CFA的标准做法。

探索性因素分析和验证性因素分析的区别

如果是成熟的量表，研究者可同时使用验证性因子分析CFA，和探索性因子分析(简称因子分析,EFA)验证量表的效度。

如果量表的权威性较弱，通常使用探索性因子分析(EFA)进行探索因子，或者效度检验分析。

两种方法均可在spssau中操作分析，结合智能分析建议更便于理解。

SPSSAU因子分析和验证性因子分析有什么区别

一般来说非成熟量表使用因子分析进行效度分析（即问卷研究里面的效度分析）,成熟量表使用验证性因子分析进行效度分析。同时使用SPSSAU数据分析平台进行分析即可得到智能分析结果。

验证性因子分析和效度检验是什么关系啊

验证性因子分析可以用来检验问卷效度，当然效度的检验方法有很多种，验证性因子分析只是其中之一。对于验证性因子分析，除了检验效度外，也有其他的应用场景。比如判断共同方法偏差什么的。

如果想了解验证性因子分析或者效度分析的相关知识，可以参考SPSSAU帮助手册中的内容。

验证性因子分析：网页链接

效度分析：网页链接

探索性因子分析和验证性因子分析可以用同一组数据吗

不可以，因为对于同一种数据，如果一种因子分析做出好结果，另一种分析也很大可能做出好结果。这样，另一种因子分析起不到对前一种因子分析的验证作用
就如同自己设定评奖标准来评自己一样，肯定是量身定做
所以，两种分析需要两个不同样本，这种做法也有一个专业术语叫做交叉验证