验证性因子分析

因子分析可以分为探索性因子分析(EFA)和验证性因子分析(CFA),探索性因子分析(EFA)我之前写过一篇文章介绍,这里不再展开,想看的可以点这。验证性因子分析(CFA)相对而言更复杂一点,而且就我的专业而言基本用不上,不过还是很有意思的所以今天也去了解了一下。
想要了解一下的可以看邱皓政老师的《量化研究与统计分析:SPSS(PASW)数据分析范例解析》,然后看一下SPSSAU写的介绍性文章 and SPSSAU写的一个例子就可以有一个基本的了解 ,不过这些都是比较简单的介绍,想要深入理解肯定还是需要专门读下专著的。
本博文主要是记录下我的理解,以及一个总体的进行验证性因子分析的思路。

1.我的理解

验证性因子分析(CFA)可以用来验证自己预先提出的一种结构,比如在设计问卷前我就想好了Q1-Q3这三题反应的是一个人的思维能力(Factor1),Q4-Q6这三题反应的是一个人的体能能力(Factor2),接下来,我们就可以使用CFA来进行判断收集到的数据是否能够按照预先提出的结构来划分。也就是我们预先的理论架构是否是好的,题目设置是否是好的,收集到的数据能否体现想要的结果,实际上也就是一种效度检验。在进行CFA分析的时候,第一步要看模型的拟合效果,这个可以通过GFI,RMSE等一些指标来判断,不好的话就要对题目进行调整,删掉一些题目之类的,直到拟合效果足够好,第二步是要进行内部适配性的检查,1、聚敛性:一个因子及其对应的题目是否合适,或者说几个题目是否确实反映了某个因子;2、区分效度,不同因子是否是有区别的;最后可以进行共同方法偏差分析,这个不做也可以,看情况就好。所以总的来说也就是先判断整体模型好不好,好的话进一步判断模型内部的细节怎么样。

2.CFA步骤

  1. 构建好模型和思路,也就是要确定好模型的结构。
  2. 一般建议先使用EFA对模型结构进行简单的判断,如果EFA便发现有些题目和预设的factor对应的不好,便考虑删除这些题目或对结构进行调整。
  3. 进行CFA,得到模型的各个参数。
  4. 借助GFI,RMSE等参数判断模型的拟合信息;若拟合不好的话,借助MI指标对模型进行修正调整,比如删除对应不好的题项,然后重新跑CFA,直到模型拟合良好。
  5. 进行内部适配性的检验,1.借助AVE和CR以及因子载荷(具体可见SPSSAU的介绍文章或上述的书籍)进行判断;2.借助AVE根号值和相关分析结果进行区分效度的检验。若效果不好,也需要继续做调整。
  6. 进行共同方法偏差分析,看需求是否需要做这个。
  7. 撰写结论。

3.实现

CFA是SEM的一种特例情况,实现的话spss里是不行的,需要使用AMOS等一些专门的sem软件,之前做EFA时看到python的FactorAnalysis里好像也有CFA,不过没仔细看,估计也是可以的,之后可以看看官方文档跑一跑试试。

python实现案例
说明:pyhton里的因子分析包确实可以实现CFA的,但是很多统计性指标都没有的,只给出了因子载荷和一些误差、方差之类的,所以实际上还是不大行,之后我再去查一下看行不行,不过官网似乎就没有这些需要的统计指标。
官网文档

官网给出的案例的及测试数据集

4 AMOS实现

非常具体的过程就不说了,就说一个网上经常有人出现的问题,但是似乎至今也没人给出直接的解答,也就是AMOS结果中没有default model,也就是其实是模型训练失败了,为什么会出现这个情况呢?实际上在output中给了提示了:
在这里插入图片描述
也就是约束不够多,这个所说的约束可以看下下面补充连接中的第二个链接:验证性因子分析中的固定方差法以及固定载荷法,也就是需要给潜变量方差设定一个值或给路径设定一个载荷,此外除了潜变量外,千万不要忘了误差项也要设置的。

此外,CFA还要做内在适配性检验的,amos是没法输出AVE和CR的,不过这两个指标手算也是很简单的。所以实际上python做CFA也还行的,只不过就是人工多算了整体拟合指标罢了,其他也是都一样的。

还有一点需要说明,amos是无法计算出因子得分的,这是一个缺点,当然可以直接来手工计算下,也比较简单的,公式为: 因子得分=因子得分系数(因子得分系数矩阵里相应的值)* 标准化转化后的数据。 除此之外,还可以使用python的因子分析包来计算因子得分,所以可以说pyhton和amos可以进行很好的互补,共同完成CFA。

补充:
一篇关于CFA作用的文章
验证性因子分析中的固定方差法以及固定载荷法
一次操作实例
amos操作介绍

  • 7
    点赞
  • 68
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Amos验证因子分析是指利用Amos软件进行的一种数据分析方法,其目的在于验证某个理论模型的可持续和可靠。在验证因子分析中,研究者需要先建立一个理论模型,然后根据模型构建各个指标的测量模型。接着,利用Amos软件进行模型拟合,以确定模型的拟合程度和指标的影响力大小。 Amos验证因子分析采用多种计算方式,如路径分析、逐步回归等,可以用来研究各种因素之间的关系,以及它们对研究对象的影响效果。此外,Amos软件还提供了图表和分析报告等功能,可使研究者更全面、更直观地了解研究结果。 通过Amos验证因子分析,研究者可以快速有效地发现研究对象中的关键因素,了解它们的作用和现实意义,并基于分析结果进行进一步探讨和研究。该分析方法被广泛应用于课题研究、市场分析、社会调查等领域,已成为一种重要的数据分析手段。 ### 回答2: amos验证因子分析是一种多变量统计方法,用于探索基础变量和衍生变量之间的关系。它主要用于测量和理解潜在因素的构成和作用,可以帮助研究者识别出一组表现类似的观测变量,并将它们转化为一些潜在因素来简化数据结构,减少变量数量,并更好地解释观测变量之间的关系。 在进行amos验证因子分析时,首先需要确定研究对象的构成部分,并且确定用哪些量表来收集数据。然后需要识别出所有与研究问题相关的潜在变量,并建立模型,通过设定假设、指定因子以及测量指标来测试模型。接着,需要评估模型的可接受和拟合度,以便进行参数估计,最终确定最合理的模型。 amos验证因子分析的优点在于它能够在假定的结构下,考虑多个因素的共同影响,将复杂的数据结构简化成较少的潜在因素,增强变量之间的解释能力。同时,amos验证因子分析还可以帮助研究者了解因素间关系的强度和方向,并通过改进因素测量工具来提高结果的可靠和有效。 需要注意的是,在进行amos验证因子分析时,数据的质量和选择变量的偏差会严重影响结果的准确,因此需要对数据进行仔细的选择和处理。此外,还需要充分掌握amos测试软件的使用技巧,以保证在进行因子分析时能够获取准确的结果。 ### 回答3: Amos是SPSS公司推出的结构方程建模软件,其中包含的验证因子分析方法旨在用于探索多个变量之间的潜在因子结构,并可用于验证和测试理论模型。这种分析方法通常被用于社会科学、心理健康、医学和教育等领域,其中需要测试一些假设或测量准确,以了解这些领域的相关变量之间的因果关系。 在进行验证因子分析时,首先需要确定潜在因子模型的数量与结构,这通常需要进行探索因子分析。探究因子分析将多个变量聚合到少量的潜在因子中,可以更容易地解释研究数据的结构。然后,选择合适的模型来暴露潜在因子之间的关系。 基于被测试的理论模型和目标研究问答,假设验证过程被重复运行,从而确定同一模型的条目稳定。此分析运用各类适宜的技术,例如最小二乘法,尤其在估算参数时可以适用。此外,强大的图形界面使得更容易理解与解释模型。最终验收模型的标准,需基于适配指数,RCFI、NFI、与Tucker-Lewis指数并且SEM(结构方程模型)方法等等。 总的来说,amos验证因子分析是一种非常有用的数据分析工具,在解决复杂的数据结构和变量之间的关系时具有广泛的应用价值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值