在进⾏研究的过程中，为了达成研究⽬的，往往会考虑多个变量对结果的影响，⽽这许多个的变量由于其背后所蕴藏的“共同因素”使其具有较⾼的相关性。通过因⼦分析(factor analysis)技术，我们可以将其简化，并在损失最少信息的情况下，⽤数量较少的因⼦来解释其与这些变量间的相关性。因⼦分析技术包括探索性因⼦分析(exploratory factor analysis，EFA)与验证性因⼦分析(confirmatory factor analysis，CFA)两种。 affordance前⾯我们已经发布了探索性因⼦分析基本原理、操作步骤及结果解读等相关⽂章，本⽂对验证性因⼦分析进⾏介绍。
01 基本原理
不同于探索性因⼦分析(EFA)的“试错与探索”特征，验证性因⼦分析(CFA)是使⽤样本数据对已经根据某些理论、先验知识作出的因⼦结构假设进⾏验证的过程。进⾏验证性因⼦分析时，根据已有理论建⽴的因⼦结构可形成⼀个估计的协⽅差矩阵，⽽基于理论建⽴量表进⾏抽样测量的样本资料可形成⼀个样本协⽅差矩阵。
拟合优度是检验⼀个验证性因⼦分析模型是否成⽴的重要指标，拟合优度是根据数据得出的模型参数与 理论模型的参数值的吻合程度，是检验样本协⽅差矩阵与估计的协⽅差矩阵间的相似程度的统计量，理论期望值为1。实际操作中，因⼦模型的拟合优度越接近于1，说明样本协⽅差矩阵与估计的协⽅差矩阵相似程度越⼤，因⼦模型拟合度越好。
02 验证性因⼦分析的使⽤条件
实用医学杂志
太极解任何统计⽅法只有满⾜⼀定限度的条件，其使⽤才是合理的。验证性因⼦分析是使⽤数据资料检验理论假设的⼀种统计⽅法，关于它的使⽤条件有如下四个⽅⾯：因⼦模型应具有现实性。建构模型的基础是理论框架以及已有的研究知识，⽽不是纯粹的数据分析，若理论假设不正确，再好的⽅法、模型也难以发挥作⽤。在统计结果不理想时，也不能违背原有的理论假设任意修改模型结构。此外，在等同模型的选取中，不应以与数据的拟合程度为标准，⽽是选择对学科理论最有意义的模型。
样本的容量。样本的⼤⼩会影响到统计检验的效⼒和参数估计的准确性，在验证性因⼦分析中，样本容量越⼤，协⽅差的准确性越强，统计分析结果也就更可靠。⼀般⽽⾔，样本量低于200不适宜进⾏验证性因⼦分析。⽽实际上，决定样本容量的规则受到模型估计⽅法、模型复杂程度、观测变量的测量单位等多个问题的影响。Tanaka(1987)认为样本的最低限应由模型复杂度决定，⾄少应为⾃由估计参数个数的四倍，或者样本量与⾃由参数达到10:1的⽐例。如果要使统计能⼒⽔平达到0.8，且模型的⾃由参数个数较少，则要求样本量⾄少为200；若模型的⾃由参数个数较多，则要求样本数要达到1000左右。
观察变量的数量。验证性因⼦分析有利于对潜在变量的测量，⼀般潜在变量会通过多个观察变量进⾏测量。那么对于⼀个潜在变量，选择⼏个观察变量最为合适？⼤多数研究者认为，选取3-4个外显指标为最佳。当选取4个以上的观察变量时，多指标的统计优势会逐渐减少；⽽当少于3个观察变量时，不利于模型的识别；若因素间互有关联，最少应有2个测量指标；⽽如“性别”等特殊情况，则总为单指标潜在量。在选择观察变量时，最重要的是其能为因⼦结构赋予理论意义。
数据的测量尺度。验证性因⼦分析最常⽤的参数估计法是极⼤似然估计法，极⼤似然估计法要求测量变量为连续型变量。⽽在实际测量中，常使⽤多级量表进⾏测量，实际经验和模拟研究表明，当观测变量⾄少被分为5个等级时，采⽤标准的估计⽅法能得到较好的参数估计结果。
03 验证性因⼦分析的基本过程
验证性因⼦分析可以看作是对假设的检验，因此在进⾏验证性因⼦分析时，⾸先要收集相关理论、已有研究等形成明确、完善的假设，并根据假设设计问卷、进⾏抽样测量，最后检验、修改原假设。基本程序可分为五步：理论构建，建⽴模型：研究者根据特定的研究问题和收集到的相关资料提出⾃⼰的较为具体的理论模型，包括潜在变量和外显变量的数⽬，潜在变量间的关系，潜在变量与外显变量间的关系，因⼦之间的相互关系等，形成明确的假设。在Amos中绘制出基本图形，⽤多向箭头将变量进⾏联结，建⽴起因⼦模型。并将抽样测量的样本资料导⼊，设置好各变量的名称。
模型识别：模型能否被识别是对模型进⾏估计的重要前提，即模型中的所有参数都应是有解且只有⼀种⽅法求解。若模型中的某个参数⽆解或有⽆穷多个解，则模型不⾜识别；若模型中每⼀参数有解且有多种⽅法求解，则模型超识别；若模型中每⼀参数都有解，且某些参数可由多种⽅法求解，则模型半超识别。
陈独秀之死
在使⽤Amos操作的过程中，只要研究者所绘制的模型满⾜三点规则，则基本上都能被识别，这三点规则是：①各潜变量的指标变量中，要有⼀个指标变量设置为参照指标，参照指标会被限制因⼦负荷量的估计，其因⼦负荷量的估计值设定为1；②每个观察变量需有⼀个测量误差项，该测量误差与观察变量的回归加权系数设定为1；③每个潜在依变量需有⼀个结构误差项，该结果误差与潜在依变量的回归加权系数设定为1。⼀般⽽⾔，在使⽤Amos绘制图形时，上述三点规则会⾃动设定好。
过日子要有技术含量模型设定：模型图绘制完成、样本资料已导⼊，在执⾏模型估计之前还需设定如何计算估计值以及输出哪些内容。Amos进⾏模型估计的⽅法有5种，分别为极⼤似然估计法、最⼩⼆乘法、未加权最⼩⼆乘法、尺度⾃由最⼩⼆乘法以及渐进分配⾃由法，验证性因素分析⼀般使⽤极⼤似然估计法来估计各类参数。
模型估计：启动验证性因⼦分析执⾏程序，若模型没有出现任何错误信息，则表⽰样本资料能使Amos在估计参数时获得收敛，即执⾏成功。可以利⽤矩阵进⾏表⽰。
模型检验与修订：在探索性因⼦分析中，模型估计出来，统计分析随之结束。但在验证性因⼦分析中，更重要的是对估计结果进⾏检验并在之后对模型进⾏修订。对模型的检验包括对每个参数的合理性检验、显著性检验以及整个模型的总的适切性检验等。且在进⾏研究时，建⽴和检验理论模型应采⽤交错效度法，即模型的修订和检验不能使⽤同⼀组数据。
我是中国星
04 应⽤
(1)⽤于问卷编制。验证性因⼦分析可以⽤于确定由多个观察变量构成的量表的维度数；也可以⽤于测量各测验项⽬在构想维度的测量程度，从⽽修订量表中的测验项⽬；还可以通过数据与理论模型之间的吻合度来表⽰⼀个测验构想效度的⾼低；再次可以估计观察变量的信度，即能由潜在变量解释的⽅差在观察变量总⽅差中的⽐例；最后验证性因⼦分析可以⽐传统⽅法更好地对测验中所编制的A、B卷进⾏平⾏检验。
(2)⽤于⼼理学和教育学研究。验证性因⼦分析经常被⽤于教育与⼼理研究，是⼼理学理论模型构建和发展的强有⼒的⼯具。在实际应⽤中，可先⽤探索性因⼦分析，得到可能的因⼦结构，再换⽤第⼆组样本数据进⾏验证；也可依据已有理论和经验建⽴因⼦结构维度，再对其进⾏验证。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议