因子分析是一種定量的研究方法。通過(guò)降維的思想，將大部分原始數(shù)據(jù)信息用少數(shù)因子(變量)來(lái)表示。例如，有一份學(xué)生健康問(wèn)卷，其中包含許多量表項(xiàng)目，這些項(xiàng)目可以提取并總結(jié)為睡眠模式、成癮、心理健康或?qū)W習(xí)障礙等幾個(gè)因素。這種方法通常用于社會(huì)學(xué)研究領(lǐng)域。

因子分析可以分為探索性因子分析和驗(yàn)證性因子分析兩種。

探索性因子分析(EFA)用于探索因子與測(cè)量項(xiàng)之間的對(duì)應(yīng)關(guān)系驗(yàn)證性因子分析(CFA)用于驗(yàn)證因子與測(cè)量項(xiàng)之間的對(duì)應(yīng)關(guān)系

探索性因子分析簡(jiǎn)稱因子分析，我們一般用的因子分析其實(shí)就是探索性因子分析。

有效性分析

因子分析不僅可以濃縮項(xiàng)目，還可以檢驗(yàn)量表的效度。效度有很多種，如內(nèi)容效度、結(jié)構(gòu)效度、收斂效度、區(qū)分效度等。每個(gè)名稱之間的區(qū)別解釋如下:

SPSSAU整理

如果是非經(jīng)典量表，通常會(huì)使用探索性因子分析(EFA)進(jìn)行效度驗(yàn)證,該驗(yàn)證方法一般稱作結(jié)構(gòu)效度分析。同時(shí)還會(huì)使用內(nèi)容效度進(jìn)行分析即用文字描述量表的來(lái)源設(shè)計(jì)過(guò)程等，用于論證研究量表的有效性。如果是經(jīng)典量表需要進(jìn)行效度驗(yàn)證，在已經(jīng)具備良好的結(jié)構(gòu)效度和內(nèi)容效度的情況下，可使用CFA進(jìn)行深入分析，即進(jìn)行聚合(收斂)效度和區(qū)分效度分析。

在對(duì)因子分析的使用有了大致的了解之后，我們將進(jìn)一步解釋驗(yàn)證性因子分析。

驗(yàn)證性因素分析

驗(yàn)證性因素分析(CFA)是一種測(cè)量因素與測(cè)量項(xiàng)目(量表項(xiàng)目)的對(duì)應(yīng)關(guān)系是否與研究者的預(yù)測(cè)一致的研究方法。

驗(yàn)證性因子分析CFA的主要目的是驗(yàn)證效度，同時(shí)分析常用方法的CMV偏差。

結(jié)合實(shí)際應(yīng)用，驗(yàn)證性因素分析通常有三個(gè)目的:

驗(yàn)證性因素分析目的概述

1收斂(收斂)有效性分析

聚合效度，也稱收斂效度，強(qiáng)調(diào)的是那些本應(yīng)屬于同一因子(指標(biāo))的測(cè)量項(xiàng)目，在測(cè)量時(shí)確實(shí)屬于同一因子之下。

如果目的是分析收斂有效性，可以用AVE和CR進(jìn)行分析。如果各因子的AVE值大于0.5，CR值大于0.7，說(shuō)明其具有良好的收斂有效性。同時(shí)，一般要求每個(gè)測(cè)量項(xiàng)目對(duì)應(yīng)的因素加載值大于0.7。有時(shí)可能會(huì)結(jié)合模型擬合指數(shù)，對(duì)模型的MI值進(jìn)行修正，以得出更好的結(jié)論。

從上表可以看出，AVE值均大于0.5，CR值均大于0.7，說(shuō)明該測(cè)量量表的數(shù)據(jù)具有極好的聚集效度。

2判別效度

區(qū)分效度，強(qiáng)調(diào)不應(yīng)該在同一因子(指標(biāo))下的測(cè)量項(xiàng)目在測(cè)量時(shí)確實(shí)不在同一因子下。

如果目的是分析判別效度，可以用AVE根值與相關(guān)分析結(jié)果進(jìn)行比較。如果每個(gè)因子的AVE根值大于“該因子與其他因子的最大相關(guān)系數(shù)”，則具有良好的判別效度。為了更好地描述，請(qǐng)使用下圖來(lái)顯示:

上圖對(duì)角線為AVE的根值，比如因子對(duì)應(yīng)的AVE的根值為0.843，大于因子1與其他三個(gè)因子的相關(guān)系數(shù)(分別為0.700、0.646、0.777)，類似于因子2、因子3、因子4。最后發(fā)現(xiàn)因子的AVE根值都大于因子與其他因子的相關(guān)系數(shù)值，說(shuō)明其具有良好的判別效度。

操作步驟:

在分析中，首先完成驗(yàn)證性因子分析的模型構(gòu)建，通過(guò)“生成變量”的功能將項(xiàng)目組合成一個(gè)整體(因子)進(jìn)行相關(guān)性分析。

SPSSAU分析界面

3常見(jiàn)方法偏差

常見(jiàn)的方法偏差是指一些外部因素導(dǎo)致的數(shù)據(jù)集中的偏差。換句話說(shuō)，測(cè)量差異是由研究本身(或其他)造成的，比如測(cè)量工具、問(wèn)題構(gòu)成或測(cè)量環(huán)境。

如果目的是進(jìn)行CMV分析，通常的做法是將所有的測(cè)量項(xiàng)目(即所有因素對(duì)應(yīng)的測(cè)量量表項(xiàng)目)放在一個(gè)因素中，然后進(jìn)行分析。如果測(cè)量表明模型的擬合指數(shù)，如卡方自由比、RMSEA、RMR、CFI等。，都不達(dá)標(biāo)，說(shuō)明模型擬合不好，也就是說(shuō)，所有的測(cè)量項(xiàng)目不應(yīng)該屬于同一個(gè)因子(放進(jìn)去)

驗(yàn)證性因素分析:模型擬合指數(shù)結(jié)果

上圖顯示卡自由度值為11.137，明顯高于標(biāo)準(zhǔn)(>:3)，GFI、CFI、NFI、NNFI均低于0.7，明顯偏離標(biāo)準(zhǔn)值(大于0.9)，RMSEA、RMR均高于0.15，也嚴(yán)重偏離標(biāo)準(zhǔn)值。因此，模型擬合質(zhì)量很差，這意味著本研究中的尺度數(shù)據(jù)不能集中在一個(gè)因素上，也沒(méi)有常見(jiàn)的方法偏差。

對(duì)于CMV檢驗(yàn)，上述思路也適用于使用探索性因子分析EFA法(也稱哈曼單因子檢驗(yàn)法)的CMV檢驗(yàn)，即在考察探索性因子分析EFA的所有量表項(xiàng)目時(shí)，如果只有一個(gè)因子或第一個(gè)因子具有非常大的解釋力(方差解釋率)，通常以50%為界，則可以判斷存在同源方差(普通方法偏差)，否則說(shuō)明不存在普通方法偏差。

鑒于CMV分析，還有其他方法，建議用戶參考文獻(xiàn)。

其他說(shuō)明

進(jìn)行聚合(收斂)效度，或區(qū)分效度分析，建議首先進(jìn)行探索性因子分析(EFA)，然后再進(jìn)行CFA分析。原因在于CFA對(duì)于數(shù)據(jù)質(zhì)量要求高，如果探索性因子分析就發(fā)現(xiàn)因子與測(cè)量項(xiàng)對(duì)應(yīng)關(guān)系出現(xiàn)偏差，需要首先進(jìn)行處理，確認(rèn)好因子與測(cè)量項(xiàng)對(duì)應(yīng)關(guān)系后，再進(jìn)行CFA分析。如果使用CFA進(jìn)行分析，建議樣本量至少為測(cè)量項(xiàng)(量表題)的5倍以上，最好10倍以上，且一般情況下至少需要200個(gè)樣本。一個(gè)因子對(duì)應(yīng)的測(cè)量項(xiàng)最好在5~8個(gè)之間，便于后續(xù)刪除掉不合理測(cè)量項(xiàng)。