验证性因子分析（三）

一、效度分析

CFA(验证性因子分析)的基本思想是：研究者首先根据先前的理论和已有的知识，经过推论和假设，形成一个关于一组变量之间相互关系的模型。其目的是利用变量的实测数据来验证假设模型的有效性。

二、具体情况具体分析

上两篇文章，我们主要描述了第一种情况，即问卷中没有多维度量表，本文将继续就多维度量表的验证性因子分析进行描述。

第二类：假设模型有多维度量表

不妨假设有自变量A，因变量B，中介变量C,且三个变量都为多维度量表，其中A有AI与AT两个维度，B有BI、BT和BL三个维度，C有CI与CT两个维度。题项情况如下表。

第一步：应用AMOS进行验证性因子分析，在绘图区构建模型如下图7。由于该问卷中的三个变量都属于多维度变量，因此采用高阶验证性因子分析。与上面的第一种情况不同的是：（1）每一个维度都需要加上残差项（例如图2中的e29～e35）（图3）。（2）将每一变量中的其中一个维度的路径回归权重调整为1（图4）。

第二步：由于该模型中存在多维度量表，因此需对这些量表进行单独汇报。除了整体模型的效度检验结果，还需汇报A、B、C三个变量的效度检验结果，如下。

首先依据图2模型确定因子载荷值、CR值、AVE值、整体拟合度等数据，而后对多维度量表进行单独的检验，结构方程模型图如下。 

 三、汇报模板

注：*表示p<0.05，**表示p<0.01，***表示p<0.001。

运用AMOS23.0对A、B与C进行验证性因子分析，结果表明整体拟合度良好,

各题项的因子载荷为0.678~0.908，均大于0.65，各潜变量AVE值为0.6245~0.6654，均大于0.60，各潜变量CR值为0.9203~0.952，均大于0.90，表明模型具有较好的聚合效度；AVE的平方根均大于其所在行与列的潜变量的相关系数绝对值，表明模型具有较好的区别效度。

注意！！！当我们的假设涉及到维度与维度间的关系（AI、AT、BI、BT、BL、CI、CT之间的关系），则AVE值、CR值与区别效度的判定也需要进行维度与维度间的比较，即区别效度检验调整为下表4内容。

注：*表示p<0.05，**表示p<0.01，***表示p<0.001。

总而言之，一切以假设为准！

参考文献

[1]胡中锋,莫雷.论因素分析方法的整合[J].心理科学,2002(04):474-475.DOI:10.16719/j.cnki.1671-6981.2002.04.028.

[2]蒋小花,沈卓之,张楠楠,廖洪秀,徐海燕.问卷的信度和效度分析[J].现代预防医学,2010,37(03):429-431.

今天的文章验证性因子分析（三）分享到此就结束了，感谢您的阅读，如果确实帮到您，您可以动动手指转发给其他人。