验证没有结果_AMOS分析技术：验证性因子分析（CFA）与探索性因子分析（EFA）的异同点...

基础准备

草堂君在前面已经推送了很多篇关于AMOS软件的学习文章，这些文章都已经根据难易程度和学习顺序排好序，并制成了AMOS分析技术导航页，大家可以点击下方文章链接阅读，后面发布的文章也将及时更新进导航页中，需要获取最新导航页的朋友，请前往“SPSS生活统计学”的首页下方导航栏获取。

•  AMOS分析技术(导航页)

今天草堂君要介绍的是AMOS软件如何进行测量模型的分析。在解释测量模型之前，我们先来回顾探索性因子分析和验证性因子分析。

探索性与验证性因子分析

很多上过问卷分析课程的朋友应该知道，因子分析有两种：探索性因子分析和验证性因子分析。探索性因子分析的英文缩写为EFA(Exploratory Factor Analysis)，验证性因子分析的英文缩写为CFA(confirmatory factor analysis)。SPSS只能进行探索性因子分析，而AMOS软件做的是验证性因子分析，这两者有什么区别呢？

探索性因子分析

探索性因子分析在量表问卷的分析中，有两个作用：1、如果量表是分析者自己制作的，那么探索性因子分析可以帮助分析者建立量表的结构(分成几个维度/潜变量；每个潜变量对应哪些量表题项；删除或者修改哪些题项)；2、如果量表是成熟量表，那么探索性因子分析可以验证量表在当下的使用环境中，是否具有良好的结构效度。

我们举例说明探索性因子分析的第一个作用：假设现在要设计一份量表型的调查问卷，根据调研文献和前期访谈，总共设计3个潜在变量，然后为每个潜在变量设计4~8个题项组成初始问卷。初始问卷的这些题项并不是一定能够与设计的潜在变量对应(没有结构效度)，因此可以通过探索性因子分析进行题项的筛选，看看当初设计时应该归于一个因子的题项(聚集在一起表示这些题项相关，可以被同一个潜在变量解释)是否落在同一个因子中，如果没有，那么就需要对相应的题项进行删除或修改处理。也可以根据分析结果，结合实际情况，调整量表题项对应的潜变量情况。

对于探索性因子分析的第二个作用，其分析原理是：探索性因子分析没有告诉分析软件，量表的结构中包括几个潜变量(维度)，每个潜变量对应哪些量表题项的信息。计算机根据量表题项数据之间的关系，获得一个量表结构，如果软件得到的量表结构与量表固有结构相同，那么说明量表的结构效度良好。也就是说探索性因子分析先给与统计软件一份量表数据，让软件根据数据关系探索出一个量表结构，然后与量表固有结构对比。如下图所示，每个维度的题项高载荷值都会落在同一个维度上，说明结构效度良好。

探索性因子分析的操作过程和案例分析，可以点击后方文章链接进行回顾：SPSS分析技术：因子分析；聊聊因子分析在股票评价(选股)上的应用