本文详细对比了探索性因子分析（EFA）和验证性因子分析（CFA）在基本思想、应用前提、理论假设、分析步骤和主要应用范围的差异。EFA主要用于发现数据的潜在结构，而CFA则基于预设模型检验数据是否符合理论预期。在实际研究中，两者结合使用能更深入理解数据和验证理论。
将图1所示的因子模型推广至一般意义上的因子模型后，各观测变量x_i与m个公共因子ξ1,ξ2,...,ξm之间的关系可以用数学模型表示如下：
x1 =
λ11ξ1 +
λ12ξ2 + ... +
λ1mξm +
δ1
......
xk =
λk1ξ1 +
λk2ξ2 + ... +
λkmξm +
δk
其中：xi为各观测变量；ξi是公共因子；δi是xi，的特殊因子，有时也称误差项，包括xi的唯一性因子和误差因子两部分；λij是公共因子的负载；m是公共因子ξ1,ξ2,...,ξm的个数，k是各观测变量x1,...,xk的个数，mx =
Λxξ + δ
其中：
x =
(x1,x2,...,xk)T , ξ
=
(ξ1,ξ2,...,ξm) ，δ
=
(δ1,δ2,...,δk)T
，是负载矩阵
探索性因子分析和验证性因子分析的差异之处
1.基本思想不同
因子分析的基本思想是要寻找公共因子，以达到降维的目的。探索性因子分析主要是为了找出影响观测变量的因子个数，以及各个因子和各个观测变量之间的相关程度，以试图揭示一套相对比较大的变量的内在结构。研究者的
最低0.47元/天 解锁文章
扫一扫
8222
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
