验证性因子分析思路总结

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。尽管因子分析适合任何学科使用，但以社会科学居多。

目前有很多软件都可以非常便利地实现验证性因子分析，本文将基于SPSSAU系统进行说明。大数据

验证性因子分析

Step1：因子分析类型

因子分析可分为两种类型：探索性因子分析（EFA）和验证性因子分析（CFA）。

活在春天里探索性因子分析，主要用于浓缩测量项，将所有题项浓缩提取成几个概括性因子，达到减少分析次数，减少重复信息的目的。

验证性因子分析与探索性因子分析相似，两者区别只在于探索性因子分析(EFA)用于探索因子与测量项之间的对应关系，验证性因子分析(CFA)用于验证结果与理论预期是否一致。

Step2：分析思路

在实际研究中，验证性因子分析常会与结构方程模型、路径分析等方法联系到一起，对于不熟悉概念的研究人员容易搞混这些方法，下表对这几种方法进行简单说明：

四氯化硅

卡捷琳娜

方法	功能	其它说明
探索性因子分析（EFA）	研究测量关系	适用于非经典量表
验证性因子分析（CFA）	研究测量关系	适用于经典量表
回归分析星绕网	研究自变量对一个因变量的影响关系	y为定量数据
路径分析	石家庄东方城市广场研究多个自变量与多个因变量之间的影响关系	可先用CFA/EFA确定因子与研究项关系，再进行路径分析
结构方程模型	研究影响关系及测量关系	结构方程模型包括两部分：验证性因子分析和路径分析