spssau验证性因子分析Word下载.docx
《spssau验证性因子分析Word下载.docx》由会员分享，可在线阅读，更多相关《spssau验证性因子分析Word下载.docx（14页珍藏版）》请在冰豆网上搜索。
区分效度时还有一种渕量方式是使用HTMT值，该指标一般小于0.9即可，但该指标要求相对较严格，使用较少。
如果使用CFA进行信度分析，那么使用纽合信度系数CR值测量印可，一般CR值大于0.7即可。
如果说使用CFA进行共同方差偏差CMV检脸,那么一种常见的做法是，将所有的项放在一个因子里面，如果说模型拟合效果很槽糕“则说明所有项不应该属于同一个因子，也印说明数据没有共同方法偏差问題。
当然共同方法偏差分析也可以使用SPSSAU进阶方法里面的因子分析（探索性因子分析EFA）,也或者脸证性因子分析的其它方式进行脸证，具体可参考SPSSAU其它手册：
CFA还可以用来进行权重的计算，其原理是利用标准化的Factorloading值的大小进行归一化，然后进行权重值计算，但是此项应用使用相对较少。
1＞验证性因子分析基本说明
使用SPSSAU进行验证性因子分析是一件轻松的爭恃。
但在实际分析过程中，容易出现各种问題，解决问题才是关键。
其实质是对于分析的掌握能力。
一般情况下，脸证性因子分析的分析流程如下：
在进行CFA分析前，一定需要淸楚的知道，通帑情况下量表数据才能进行CFA分析，而其它的一些数据一般不能进行CFA分析。
所以数拡准备需要按照CFA的思路进行，包括每个因子对应4〜7个题（为什么是47个呢？
因为如果个别不达标后面可以刪除掉）：
如果不是这样，就很有可能出现各种问題而且没有缓冲：
在进行脸证性因子分析之前，一般需要先进行探索性因子分析,
首先因子与项之间有看校好的对应关系，如果探索性因子分析已经发现各种对应关系有问題，那么验证性因子分析时结果一般都不理想，这一步骤非常重要，也是减少各种问題的关键。
在进彳亍验证性因子分析时，重要的指标是factorloading值，一般标准化的factorloadmg值需要大于0.7,如果该值较小，就说明对应项与因子之间对应关系弱，因此可考虑删除该项，也或者移动该项到别的因子里面。
重复几次直至标准化fxtorloadmg值都大于0.7印可。
这样对应的其它指标，比如AVE值,CR值等才可能达标，因此这些指标都是基于标准化Factorloading值计算得到。
2、如何使用SPSSAU进行验证性因子操作
关于利用SPSSAU进行脸证性因子分析的操作上，如下:
❶
A1
A?
本例子中共有4个因子，每个因子对应看一些项。
所以分别放在4个因子框里面。
默认SPSSAU会以Factor1,Factor2等这样的名字进行，当然可以自主地对因子进行命名。
一般情况下不会使用二阶模型，如果确实是二阶模型則选中即可。
除此之外，在进行脸证性因子分析时，有时候会对揆型进ND标调整，此时也可进行设置。
在实际分析时，如果使用脸证性因子分析进行效度分析（包括结构效度，聚合效皮，区分效度）,也或者组合信度时，对于模型的拟合指标关注殘较低，因此MI指标调整使用较少。
在使用SPSSAU进行CFA分析后，SPSSAU默认会输出上述中涉及到的分析的各类表格oSPSSAU输出相关表格说明如下：
表格
功能用途
扌&
标等
CFA分析基本汇总
每个因子对应测董项数量汇总
因子对应浏量项个数
因子我荷系数
聚合（收敛）效度使用，标准化我荷系软值大于0.7说明具有聚合效度
非标准化.标准化载荷系数值等
按型AVE和CR指标结果
聚合（收敛）效度使用指标，区分效度使用指标
AVE和CR指标值
区分效度：
Pearson相关与
AVE平方根值
分析区分效度时使用
AVE平方根值，因子间相关系数
根型拟合指标
根型拟合悄况.共同方法偏差使用等
卡方囱由度.RMSEA.RMR,
CH,NFI等
因子和分析项-MI指标
查看因子与浏量项间关系强弱，用于捕助判断和分析浏量项是否应制除
MI指标
因子协方差
查看因子之间的关系強弱，捕助判断摸型构建悄况
显变量协方差表格
显变量间的协方差关系，无特别意义
显变童间的协方差关系指标值
残差顼估计值
残差项值.无特别意义
残差项相关指标值
HTMT（异质•单质比率）结果
用于区分效度分析
HTMT值
当然，上述表格中有一些基本无意爻，比如残差项估计值，因子协方差，显变量协方差表格等,意义均校小，可能对于分析建摸有一定帮助，通常无实质性价值。
以及SPSSAU欢认都会输出智能分析和分析建议等，如下各图:
CFA分折耳疋汇总d
Factor鮭
Factor13
Factor25
Factor34
HLQ12
分折38318
%分傩议
抢iZ性因子分衍（CFA）可用于3?
合泌.区分3®
、共同方狂傩走（CMV）研菇：
策一：
SS先了須茨an本馆况，包搖因子数.分缶样本3；
»
-：
知要甘融亍分折0®
矽5伯，建议加犬徉本昱.
Q智㈱析
从J牙可知.K次什对共于个因子，以及12个分折顶蛙行舲证性因子分忻（CFA）分析.审次分忻有55祥F呈为318,超出分忻I磁独2电，E呈迺叽
基本汇总
因子荧预至敌胡g0
Fa<
tor（WSB
分馆蹟（昱变E）
北亦;
铉荷髓（Coef.）
彌农iStd.Error）
Z
P
WStfe?
5SK（Std.Estimate）
Factor1
A3
1.000
-
0.676
M
1.293
0.119
10.891
0.000
0.7^1
A5
1.128
0.118
9.524
0.621
Factor2
82
0.730
B3
0.931
0.07S
12.468
0.718
B4
1.110
0.078
14222
0815
B5
0.957
0.073
13.031
0.749
B6
0.974
0.076
12.887
0741
Factor3
C1
0.649
C2
1.161
0.103
11.290
0.740
C3
1.429
12.001
0.800
C4
1.377
0.111
12.401
0.336
%分析建议
因?
KSJK«
Wfactoreadirvg）职示因子銅S）勻牙析适保H）之问的唔关关忑酥.
盘玄岳用标;
帧及至裁值亏子弓分缶项爾H8爻关至；
第二：
妁金曼現出昱苫性且氛破有疾细8丈于070,加兌明有右嗨强并托茨
篥三：
如里没档呈砂丘吞性.这咸盲阪;
住戏荷系切5较帕比如低于04）.弟呃明谏分缶项与因子问恨关芫系絞韵.
因子载荷系数表格
!
S型AVEJ0CR斯标范果创
Factor
年均方左垃取AVEft
殂白竺度CRflS
0.458
0.715
0.566
0.866
Facior3
0.585
0.8^7
AVEGP均方茎也2）狀R窗白乞呦用于龙白效喪血矽玻）分曲
务一：
通槨5况下人就大于0・5且CRff汰于07.则逡朗農合俎宓局；
55二：
如見AVE3S£
R1g安低;
可考或參炼具因子広重新分你合效舐
V智能分析
本次tt对共3个因手.以及12个分忻15旌行1S证性S手分trf（CFA）分贰从上衣可知，拄3个因亍对应CR（8均大于0.7,但AVE煙有出3W、=5=O・5的愣况.可考處霸左8逐后商力忻.
模型AVE和CR指标结果
区分g.P简sntQ关与AVE平方根诅（=J
FactorB
0676
0.689
O.?
52
0.672
0.796
0.765
E注：
戲对吊妊至色如为AYE平方根值
绽性园子分析（CFA何用于乞分效至硏兜；
农㈣斜对角這为AYE平方生值，其余聽为相关亦5：
2Z:
AVE平方根表示因子的茨合住.柏关專如示柏关关耳如碎子聚合烷滾52（购匕曙于弓且它因子10的吃关彫数）.则绘浣旳吕勻区分减55:
2H:
如工HS子AYE平方取值，大于滋因子三但它因子的柏关塞数・并旦術有因子旳三覆岀炫样的给论，则屁旳貝口如的区分效E；
每曰于•AVE平方咱BE星小值，大于所有韦先皴的最大他
针对区分戏軽行分析可疋：
挞3个因子分別对直的AVE平方根值AS小为0676.小于因子何19关手逐想大值0796,砂tKRHSN分趣欠住.
叱檢合怖
片df
卡方自田度比
GFI
RMSEA
RMR
CFI
NFI
NNFI
>
0.05
<
3
0.9
0.10
0.0S
tt
183.845
S1
3.605
0.914
0.091
0.043
（1935
0.913
0.916
TU
A6FI
IFI
PGFI
PNFI
SRMR
AIC
BK：
WBFffivS
0.1
刮的
«
0.869
036
0.598
0.706
9410.562
9512.137
叱極呂歸沖m休植主拟合述ts：
兄分折；
第一：
电坐拟呂歸3E楫多，么幣所切》标均希冬E尿
毬议便用常见的几个捂标创可，辭卡方目田蛊比・GFI,RMSEA・RMR,CFI,NFI,NNH；
第三：
AIGGBIG辽用于多次分析时的对比；
如侦期斑好；
如果多次进行分析・可対比比期个位的仝化“况，彷合说刪fi里构肚的伉化过柱;
第四：
妇弟研兜日的是追行效昨证，此对上述ft舫的关注喪韭常低JS丰可刖壓.
模型拟合指标
西子和分忻项■
tor1
6.746
0.302
A4
15.574
1.697
1.487
0.570
B2
7.056
2.446
2.111
2510
0.206
4.607
5.569
0.238
86
4.431
3.628
Cl
0.008
2.797
16.553
11.006
2.652
4.171
J.690
5.844
分析建议
因子和分析商可的MI18标，可用亍新5S因子（丘査量）与分忻话融仝丘）的对应关泉悄况合週由
S5-：
如剽Sllfi驶大（比SQX于10）,说明養因子与分忻项叵需安住立主联关茶；
疋二：
如至出观•错位现点，即分圻顶与公不录尽的因子’时MI（H很夫，炯可考如该分折顶从摸型中移紀
因子和分析项
因刑方釜W&
0
m际住店什杀埶Sef.）
就•屍｛StdError）
z
驱百计羨®
KSid.Estimate）
0.444
0.055
8.044
0.879
0327
0043
7.542
0.859
0.495
0.061
8.162
0.920
S）子悔万壬品存：
factorcovanan“雇鸥子与因子之I弼狷0础5况：
左幣任躬标准估计泵戲慎超超子之何畑关关寒；
58二：
如e兰郃均郢社!
5岔性旦犒倒2计宗妳B均大于0・70.則说明宥菩校聞相关关*
箪三：
如弟砂5没有呈现出兄背宦也我者看准估计磁但伺氐（比细任于0.4）,则浣明相0宴辭•可号倉从!
迪中移惶貝中f因子.
昱吏呈伶方盖宏棺0
ssSS^Em沥准艺计衆数（CcefJ嚴隹邀SB.Error）zp标，隹估计泵数（S9・Estimate）
S5dS^方差表格（当^eMi^ss.SPSSAU目动沁2悔方差关妾时）艮示昱SdS之间畑关关艮慣况；
当12冇M凭皆S!
g时，！
W可能会連立3!
交量之何的谢方圣关疾；
貝二：
如呆没有品2"
羁闫拓JW不刽t立显述恃万壬“.；
勢三：
方企关杀日的在子建丈!
as之伺的协方＜«
恒关芜和，冥立于分他总文较小，白的在于尢矽的畑荃・
因子协方差表格
e
們:
磁CD
轨隹叙Std.Error）
X
味准佶计砌（StdEstimate：
.
a425
ao4i
10.405
aooo
Q543
0.523
aoss
9476
0003
0466
AS
0L72S
U066
11.009
O.（XX）
0.614
0.626
aose
11.174
0XXK
0467
ass3
ao$2
11.275
aoao
0485
0.443
Q044
10.072
0.CO3
a335
（X512
a047
10.9%
a（xx）
0439
0.555
aoso
11.075
0XX>
0.451
a$57
a048
11.619
acoo
0379
a452
10.941
0.453
a4$5
a（M6
10.120
acw
0360
0330
9.307
O.COD
0.301
factor1
0358
aos?
6274
1.003
a7i3
7.323
o.cw
1.CO3
aA>
5
CL065
6.235
[.（XX）
上衰復艮云醴朋后.■&
唸朕修S估皿：
B-：
无论Ksaac泾ST桂盼垃:
残差值表格
HTMR异厉•旦页士牽却
Fattor1
0868
0367
0.935
%分析逵议
退卅湮用AX平庁根fl痢曲翎酿襄数大小龙比迸行绘证区分炖（Fom"
心叹咖：
Mil垃施可任匡上表乜U的HTM：
m貝臥X±
S阳厅区分效愛混:
务一：
寒宙细:
值电网趣子之血HTMTIB:
#二：
通碎疗PHTMTU小？
0W5（fi时以0.咻为窃准）2朋兔诙師于之砂垢区分刘g:
荣三：
衣咯中序有的HTMHfi均左疗准01内.如鴻逵貝育区够玻.
tWHWTI®
迸行送檢S分忻.肛t痢知；
HTMHgtsSe大刊・85・邕孔祈羽&
驱分懇不在祯准囤
进行验证性因子分析时，很容易出现一些问題，比如效度不达标xfactorloading值过小或者过犬,也或者各种指标拟合不达标等。
接下采从5个角度去剖析数据不达标的处理。
效度不达标
如果对脸证性因子分析进行效度验证出现问題。
分别说明如下：
•如果进行结构效皮脸证，发现标准化factorloading值小于0.7；
可直接对该项进行刪除：
•如果进行聚合效皮分析时发现AVE值小于0.5,那么也需要对标准化factorloading值校低项进行删除处理，因为AVE值是由factorloading值计算得到：
•如果进行区分效度分析时发现AVE平方根值小于相关系数值：
说明区分效度差，此时有两种处理办法，一是重新进行探索性因子分析，将因子与分析项之间的对应关系梳理好（比如重新改变因子与分析项的对应关系等）：
二是刪除掉factorloading值较低；
第2点：
factorloading值过大或过小
如果说标准化的Factorloading值过大，比如大于1•说明有看很強的共线性问题，建议可分别针对每个因子对应的项，分别做相关分析，将相关关系过强（比如相关系数值大于0.8甚至0.9）的项删除后重新分析，减少共线性问題：
如果说标准化factorloadmg值过小，比如0.4,那么说明该项应该直接进行删除掉。
拟合指标不达标
如果研究目的是进行效度验证或者组合信度等，一般对于模型拟合指标的关注皮较低，可直接忽略即可。
如果是使用验证性因子分析进行共同方差偏差CMV检查，那么其检查原理就是查看拟合指标不好，用于说明没有CMV问题：
如果说使用脸证性因子分析做权重计算时指标拟合不好，可考虑删除项，或者进行MI调整等。
特别提示：
在进行脸证性因子分析之前，碱好是先进行探索性因子分析，如果探索性因子分析已经发现问題，比如因子与项之间的对应关系有问题，那么数据继续进行脸证性因子分析，一般都会有各种问題。
升级会员 