探索性因素分析與驗證性因素分析的差異

2021-01-14 SPSS學堂

作者：SPSS君 審閱：X 封面：自己想吧

探索性因子分析主要是為了找出影響觀測變量的因子個數,以及各個因子和各個觀測變量之間的相關程度,以試圖揭示一套相對比較大的變量的內在結構。研究者的假定是每個指標變量都與某個因子匹配,而且只能通過因子載荷憑知覺推斷數據的因子結構。

驗證性因子分析的主要目的是決定事前定義因子的模型擬合實際數據的能力,以試圖檢驗觀測變量的因子個數和因子載荷是否與基於預先建立的理論的預期一致。驗證性因子分析的主要目的是決定事前定義因子的模型擬合實際數據的能力,以試圖檢驗觀測變量的因子個數和因子載荷是否與基於預先建立的理論的預期一致。其先驗假設是每個因子都與一個具體的指示變量子集對應,並且至少要求預先假設模型中因子的數目,但有時也預期哪些變量依賴哪個因子。


在進行探索性因子分析之前,不必知道要用幾個因子,以及各因子和觀測變量之間的關係。在進行探索性因子分析時,由於沒有先驗理論,只能通過因子載荷憑知覺推斷數據的因子結構。上述數學模型中的公共因子數m在分析前並未確定,而是在分析過程中視中間結果而決定,各個公共因子Ni統一地規定為均影響每個觀測變量xi。探索性因子分析更適合於在沒有理論支持的情況下對數據的試探性分析。

驗證性因子分析則是基於預先建立的理論,要求事先假設因子結構,其先驗假設是每個因子都與一個具體的指示變量子集對應,以檢驗這種結構是否與觀測數據一致。也就是在上述數學模型中,首先要根據先驗信息判定公共因子數m,同時還要根據實際情況將模型中某些參數設定為某一定值。這樣,驗證性因子分析也就充分利用了先驗信息,在已知因子的情況下檢驗所搜集的數據資料是否按事先預定的結構方式產生作用。


探索性因子分析的假設主要包括：①所有的公共因子都相關(或都不相關)；②所有的公共因子都直接影響所有的觀測變量；③ 特殊(唯一性)因子之間相互獨立；④ 所有觀測變量只受一個特殊(唯一性)因子的影響；⑤ 公共因子與特殊因子(唯一性)相互獨立。驗證性因子分析克服了探索性因子分析假設條件約束太強的缺陷，其假設主要包括：① 公共因子之間可以相關，也可以無關；② 觀測變量可以只受一個或幾個公共因子的影響，而不必受所有公共因子的影響；③特殊因子之間可以相關，還可以出現不存在誤差因素的觀測變量；④ 公共因子與特殊因子之間相互獨立。


探索性因子分析主要應用於三個方面：①尋求基本結構，解決多元統計分析中的變量間強相關問題；② 數據化簡；③發展測量量表。驗證性因子分析允許研究者將觀察變量依據理論或先前假設構成測量模式，然後評價此因子結構和該理論界定的樣本資料間符合的程度。因此，主要應用於以下三個方面：① 驗證量表的維度或面向性(dimensionality)，或者稱因子結構，決定最有效因子結構；② 驗證因子的階層關係；③ 評估量表的信度和效度。

學堂君的歷史合輯：


歡迎添加

 【數據分析服務】微信號：LYJ_312

 【社群服務助手】微信號：spss_shequn

相關焦點

  • 結構方程模型應用:驗證性因素分析
    問卷結構的來源有多個方面，主要的是：探索性因素分析的結果和理論模型。驗證性因素分析需要對多個結構進行分析，並從中選擇擬合度最優的作為結果。在本文中，我們以「自尊量表」的數據為例進行說明。自尊是心理學裡面的一個重要概念，Rosenbeng於1965年編制了的自尊量表是經典的自尊測量工具。
  • 元分析-驗證性因素分析
    本文將介紹元分析-驗證性因素分析 ，這是一種將元分析和結構方程模型
  • Mplus | 驗證性因素分析概述
    1 概述1.1 基本內容驗證性因素分析(Confirmatory
  • 《量表信效度分析》系列文章
    為讓大家更加方便的學習信效度分析的基礎知識與應用，學堂現將《 量表信效度分析》系列文章匯總起來呈現給大家。此系列文章專門為信效度分析的初學者準備，內容全面、豐富，大家可以根據自己的需要慢慢學習，後續文章將持續更新中！
  • SPSS有話說:如何得出問卷或量表的結構或維度——探索性因素分析
    探索性因素分析是依據樣本數據，根據變量間相關性的大小對變量進行分組，每組內的變量之間存在較高相關性，意味著這些變量背後有共同的制約因素，用這些公共因子來代替原始的眾多變量的過程。簡單來說，就是探索問卷的結構或維度。探索性因素分析也是在心理測驗編制過程中用來檢驗測驗結構效度的一種非常重要和有效的分析方法，通過檢驗變量（因子）與題項的對應關係。
  • 從電影中看:探索性數據分析思維應用
    EDA與IDA的區別：探索性數據分析有別於初始性數據分析（initial data analysis – IDA)。初始性數據分析的聚焦點是分析鑑別統計模型和科研假設測試所需的條件是否達到，以保證驗證性分析的可靠性。在這個分析過程中對不符合條件的數據進行缺值填補、數據轉換、異常值捨棄等處理以增強分析的準確性。
  • 單因素方差分析
    （一）單因素方差分析概念理解步驟　　是用來研究一個控制變量的不同水平是否對觀測變量產生了顯著影響。這裡，由於僅研究單個因素對觀測變量的影響，因此稱為單因素方差分析。　　例如，分析不同施肥量是否給農作物產量帶來顯著影響，考察地區差異是否影響婦女的生育率，研究學歷對工資收入的影響等。這些問題都可以通過單因素方差分析得到答案。　　單因素方差分析的第一步是明確觀測變量和控制變量。例如，上述問題中的觀測變量分別是農作物產量、婦女生育率、工資收入；控制變量分別為施肥量、地區、學歷。　　單因素方差分析的第二步是剖析觀測變量的方差。
  • 驗證性因子分析與探索性因子分析的區別 | 附:量表編制步驟
    最近有老師問驗證性因子分析和探索性因子分析的區別，是不是在做量表的時候需要做驗證性因子分析？那麼是在什麼時候做？很明顯，編制量表的時候一定是需要做驗證性因子分析的。1.在進行探索性因子分析的時候，量表條目最終能形成幾個條目是未知的。
  • 財務分析因素分析法
    因素分析法是財務分析方法中非常重要的一種分析方法。運用因素分析法，準確計算各個影響因素對分析指標的影響方向和影響程度，有利於企業進行事前計劃、事中控制和事後監督，促進企業進行目標管理，提高企業經營管理水平。因素分析法的使用需要注意幾個問題，即因素分解的相關性、分析前提的假定性、因素替代的順序性、順序替代的連環性。
  • SPSS——單因素方差分析
    單因素方差分析（one way anova)，是一種較為常用的方差分析手段，主要目的是為了尋找多組數據總變異的真實來源，判斷總變異是來自於組內變異（Vin），還是來自於組間變異（Vbetween）。單因素方差分析的檢驗統計量F=Vbetween/Vin，表示組間變異與組內變異的比值。
  • 【案例】SPSS統計分析:多因素方差分析
    多因素方差分析，用於研究一個因變量是否受到多個自變量（也稱為因素）的影響，它檢驗多個因素取值水平的不同組合之間，因變量的均值之間是否存在顯著的差異。多因素方差分析既可以分析單個因素的作用（主效應），也可以分析因素之間的交互作用（交互效應），還可以進行協方差分析，以及各個因素變量與協變量的交互作用。
  • SPSS統計分析:多因素方差分析及案例
    （也稱為因素）的影響，它檢驗多個因素取值水平的不同組合之間，因變量的均值之間是否存在顯著的差異。多因素方差分析既可以分析單個因素的作用（主效應），也可以分析因素之間的交互作用（交互效應），還可以進行協方差分析，以及各個因素變量與協變量的交互作用。根據觀測變量（即因變量）的數目，可以把多因素方差分析分為：單變量多因素方差分析（也叫一元多因素方差分析）與多變量多因素方差分析（即多元多因素方差分析）。本文將重點講述一元多因素方差分析，下篇文章將詳細講述多元多因素方差分析。
  • 如何用SPSS做單因素和多因素方差分析
    前段時間明明同學推送了一篇「如何用Excel做方差分析」，今天就講講如何用SPSS為大家展示常用的3種分析方法使用技巧即：單因素方差分析、雙因素方差分析（無交互效應和有交互效應）。讓大家對方差分析有一個更深的了解。首先，我們來了解一下什麼是方差分析。方差分析是對多個樣本平均數差異顯著性檢驗的一種方法，也就是推斷對多個樣本均數是否相等的方法。
  • 第四講 因素分析——SPSS操作過程(一)
    因素分析的內容，我們已經講了四講的內容，主要是希望大家能夠充分理解因素分析的基本原理和功能，掌握模型繪製的基本邏輯與思路。
  • 【學習記·第31期】單因素、雙因素方差分析VS協方差分析
    虛無假設的意思是數據樣本間的差異是誤差引起的。檢驗虛無假設的依據是小概率原理，即概率很小的事件在一次實驗中幾乎不可能發生。 單因素方差分析單因素方差分析是對單因素實驗設計所得到的數據進行的分析。所謂單因素實驗設計是研究一個大於或等於兩個處理水平的自變量對因變量的影響的實驗設計。實驗所需的被試被隨機的選取並分配到自變量的各個處理水平，每個被試只接受一個水平的處理，因此這種實驗設計也被稱為被試間設計。
  • 單因素與多因素敏感性分析
    單因素與多因素敏感性分析：　　單因素敏感性分析是敏感性分析的最基本方法。進行單因素敏感性分析時，首先假設各因素之間相互獨立，然後每次只考察一項不確定性因素的變化而其他不確定性因素保持不變時，項目財務評價指標的變化情況。　　多因素敏感性分析是分析兩個或兩個以上的不確定性因素同時發生變化時，對項目財務評價指標的影響。
  • 單因素方差分析(one-way ANOVA)
    來源：網絡單因素方差分析 （一）單因素方差分析概念
  • SPSS之單因素方差分析ANOVA
    方差分析是對多個（兩個以上）處理平均數進行假設檢驗的方法。單因素是指該實驗中只有一個實驗因素，而單因素方差分析則是用來判斷這一實驗因素對各處理的優劣情況。簡單而言，如果實驗只有一種影響因素，但又有多個不同的處理水平，最後得到的數據就可以用單因素方差分析來分析數據。在方差分析的體系中，單因素方差分析，即F測驗通過對數據差異的分析來推斷兩個或多個樣本均數所代表的總體均數是否有差別，可用於檢測某項變異因素的效應或方差是否存在。F越大，說明組間方差是主要方差來源，處理的影響越顯著；F越小，越說明隨機方差是主要的方差來源，處理的影響越不顯著。
  • 兩因素方差分析怎麼理解?
    文章來源： 丁點幫你作者：丁點helper看完單因素方差分析，一般的統計學中並不會直接講two-way（雙因素）方差分析，而是講「隨機區組設計的方差分析」，那這兩者有什麼關係嗎？從統計方法的角度來看，隨機區組設計的方差分析其實就屬於兩因素（或多因素）方差分析，一種說法認為，為什麼不直接叫兩因素，是因為不把「區組因素」算作一類真正的「因素」，而重點研究隨機分組因素。我們認為，實際稱雙因素方差分析可能更好理解。不過這裡稱作「隨機區組設計」，也是有其他特別的考慮。
  • 高考志願選擇行為的影響因素分析
    影響高考成功的因素有很多，例如個人因素、高校因素、家庭因素等，但恰當的高考志願選擇在一定程度上成為高考是否成功的關鍵。高考志願選擇是高考招生錄取工作的一部分，是考生選擇高校、高校選擇考生的橋梁。每年我們都會從一些新聞報導中看到，有的考生分數很高卻選擇了一所普通高校，甚至可以上一本院校，最後卻上了二本院校；而有的考生分數不高卻可以選擇到較為理想的高校。