验证性因子分析中有哪些指标？

最新推荐文章于 2025-03-05 20:57:02 发布

spssau

最新推荐文章于 2025-03-05 20:57:02 发布

阅读量1.1w

点赞数 4

分类专栏： SPSSAU 数据分析统计学文章标签：人工智能 SPSSAU 统计学数据分析

本文链接：https://blog.csdn.net/m0_37228052/article/details/122360101

版权

SPSSAU 同时被 3 个专栏收录

203 篇文章

订阅专栏

数据分析

191 篇文章

订阅专栏

统计学

161 篇文章

订阅专栏

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A1~A5；第二项因子共5项，分别是B1~B5；第三个因子共4项，分别是C1~C4；第4个因子共6项，分别是D1~D6。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.图表分析

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。

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。

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）。