单维度量表验证性因子分析_今天写验证性因素分析，多维验证性因素分析和二阶验证性因素分析就不写了，差不多的，只是有些参数不一样...

因子分析可以主要分为2类，一类是探索性因素分析，一类是验证性因素分析，验证性因素分析借鉴了很多探索性因素分析的概念，只是，他不是让数据告诉我们因素结构。而是我们预先决定了因素结构，并验证了之前开发的量表的心理测量结构。EFA的历史比较常，可以追溯到1969年，同时，他们的区别也在软件上看的出来，比如，EFA可以用spss，SAS，以及stata做，但是，spss的CFA要用Amos做。其他可以做CFA的还包括Mplus，EQS，SAS，stata的sem，但是我就喜欢用R的lavaan做。嘻嘻。因为简单。

操作起来比较简单，没什么好说的，所理论基础简单地讲一下。比如一些概念：因子分析模型，lavaan的基础语法，模型参数，鉴别指数以及模型拟合统计数据，凑一下字数。

先随便模拟8个题目，这个在第一篇文章中写过了，所以就不解释了。直接复制粘贴可用

>library('mirt')
>a <- matrix(rlnorm(8*1,0.2,0.3)) 
>diffs <- t(apply(matrix(runif(8,0.3,1),8),1,cumsum))
>diffs <- -(diffs - rowMeans(diffs))
>d <- diffs+rnorm(8)
>d <- t(d)
>out=simdata(a=a,d=d,N=500,itemtype = '2PL',sigma=matrix(c(1)),mu=0,returnList=T)
>write.csv(out$data,'simdata.csv')
>write.csv(out$data,'simdata.csv')
>library(readr)
>simdata <- read_csv("simdata.csv")
>simdata <- simdata[-1]

模拟数据表

然后，开搞，第一步，先看看他们的协方差矩阵

round(cor(dat[,1:8]),2)#####求2位四舍五入的协方差矩阵

协方差矩阵

在心理学和社会科学领域，超过0.30的相关性被认为是中等效应，由于许多项目之间的相关性相对较高，这将是一个很好的因素分析的候选。因子分析就是干这个的。找到很多个题目的相互关系，然后这些题目其实只要一两个潜变量就描述清楚了。

model <- 'f =~ Item_1+Item_2+Item_3+Ite