验证性因子分析克服了探索性因子分析假 设条件约束太强的缺陷,其假设主要包括: ①公共因子之间可以相关,也可以无关; ②观测变量可以只受一个或几个公共因子 的影响而不必受所有公共因子的影响; ③特殊因子之间可以相关还可以出现不存 在误差因素的观测变量; ④公共因子与特殊因子之间相互独立
• 验证性因子分析克服了探索性因子分析假 设条件约束太强的缺陷,其假设主要包括: • ①公共因子之间可以相关,也可以无关; • ②观测变量可以只受一个或几个公共因子 的影响,而不必受所有公共因子的影响; • ③特殊因子之间可以相关,还可以出现不存 在误差因素的观测变量; • ④公共因子与特殊因子之间相互独立
4、分析步骤不同 探索性因子分析主要有以下七个步骤 ①收集观测变量:通常采用抽样的方法按照 实际情况收集观测变量数据。 ②构造相关矩阵:根据相关矩阵可以确定是否 适合进行因子分析。 ③确定因子个数:可根据实际情况事先假定因 子个数,也可以按照特征根大于1的准则或碎 石准则来确定因子个数。 ④提取因子:可以根据需要选择合适的因子提 取方法,如主成分方法、加权最小平方法、极 大似然法等
• 4、分析步骤不同 • 探索性因子分析主要有以下七个步骤: • ①收集观测变量:通常采用抽样的方法,按照 实际情况收集观测变量数据。 • ②构造相关矩阵:根据相关矩阵可以确定是否 适合进行因子分析。 • ③确定因子个数:可根据实际情况事先假定因 子个数,也可以按照特征根大于1 的准则或碎 石准则来确定因子个数。 • ④提取因子:可以根据需要选择合适的因子提 取方法,如主成分方法、加权最小平方法、极 大似然法等
⑤因子旋转:由于初始因子综合性太强,难以 找出实际意义,因此一般都需要对因子进行 旋转(常用的旋转方法有正交旋转、斜交旋 转等),以便于对因子结构进行合理解释。 ⑥解释因子结构:可以根据实际情况及负载 大小对因子进行具体解释。 ⑦计算因子得分:可以利用公共因子来做进 步的研究,如聚类分析、评价等
• ⑤因子旋转:由于初始因子综合性太强,难以 找出实际意义,因此一般都需要对因子进行 旋转(常用的旋转方法有正交旋转、斜交旋 转等) ,以便于对因子结构进行合理解释。 • ⑥解释因子结构:可以根据实际情况及负载 大小对因子进行具体解释。 • ⑦计算因子得分:可以利用公共因子来做进 一步的研究,如聚类分析、评价等
验证性因子分析主要有以下六个步骤 ①定义因子模型:包括选择因子个数和定义 因子载荷。因子载荷可以事先定为0、或者 其它自由变化的常数或者在一定的约束条件 下变化的数(比如与另一载荷相等)。 ②收集观测值:根据研究目的收集观测值。 ③获得相关系数矩阵:根据原始资料数据获得 变量协方差阵。 ④拟合模型这里需要选择一种方法(如极大 似然佔计、渐进分布自由估计等)来估计自 由变化的因子载荷
• 验证性因子分析主要有以下六个步骤: • ①定义因子模型:包括选择因子个数和定义 因子载荷。因子载荷可以事先定为0 、或者 其它自由变化的常数,或者在一定的约束条件 下变化的数(比如与另一载荷相等) 。 • ②收集观测值:根据研究目的收集观测值。 • ③获得相关系数矩阵:根据原始资料数据获得 变量协方差阵。 • ④拟合模型:这里需要选择一种方法(如极大 似然估计、渐进分布自由估计等) 来估计自 由变化的因子载荷
⑤评价模型∷当因子模型能够拟合数据时,因 子载荷的选择要使模型暗含的相关矩阵与实 际观测矩阵之间的差异最小。常用的统计参 数有:卡方拟合指数(x2)、比较拟合指数 CF)、拟合优度指数(GF)和估计误差均方 根( RMSEA)。 根据 Bentley(1990)的建议标准x2≤3.0 CF|≥0.90、GF|20.85、RMSE≤0.05,则 表明该模型的拟合程度是可接受的。 ⑥修正模型:如果模型拟合效果不佳,应根据 理论分析修正或重新限定约束关系,对模型进 行修正,以得到最优模型
• ⑤评价模型:当因子模型能够拟合数据时,因 子载荷的选择要使模型暗含的相关矩阵与实 际观测矩阵之间的差异最小。常用的统计参 数有:卡方拟合指数(χ2 ) 、比较拟合指数 (CFI) 、拟合优度指数( GFI) 和估计误差均方 根( RMSEA) 。 • 根据Bentler(1990) 的建议标准,χ2 ≤3. 0 、 CFI ≥0. 90 、GFI ≥0. 85 、RMSE ≤0. 05 ,则 表明该模型的拟合程度是可接受的。 • ⑥修正模型:如果模型拟合效果不佳,应根据 理论分析修正或重新限定约束关系,对模型进 行修正,以得到最优模型