1 概述
1.1 基本內容
驗證性因素分析(Confirmatory factor analysis, CFA)是結構方程模型的重要組成部分，主要處理觀測指標與潛變量之間的關係，也被稱作測量模型（Measurement Model）；在CFA中，指標與因子之間的關係是明確的。
常見用途：
（1）檢驗量表或測驗的結構效度；
（2）檢驗方法學效應；
（3）檢驗測量不變性。
1.2 CFA與EFA的區別和優點
區別：外顯變量與潛在因子之間的關係是事先確定的還是事後推定。
CFA與EFA相比有如下優點(Bollen, 1989)：
第一，更簡約。
第二，為檢驗測驗/量表跨群體或時間不變性提供可能。
第三，用於比較不同的理論模型。
第四，可以檢驗方法效應(Method Effects)。
第五，其他優點。
2 CFA分析流程
2.1 模型設定
模型設定（Model Specification），也稱模型表達，是指模型涉及變量、變量之間關係、模型參數等的設定。根據過往研究結果或依據理論，確定因子個數及條目與因子間的隸屬關係。通俗的說就是確定路徑圖的模樣。
2.2 模型識別
標準的CFA模型識別規則
a. 指定測量單位。在CFA中每個因子都需要指定測量單位，否則不能識別。指定單位的方法有兩種，一種是設定指標的負荷為1，另一種是設定因子方差為1。
b. t法則：t ≤ p(p+1)/2 t 為自由參數的個數，p為指標的個數。
c. 三指標法則：每個因子至少3個指標；每個因子只在一個指標上有負荷；誤差不相關。
d. 兩指標法則：多於一個因子；每個因子至少2個指標；每個因子只在一個指標上有負荷（指標不跨負荷）；每個因子都有與之相關的因子；誤差不相關。單個因子，2個指標負荷限定相等；誤差不相關。
e. 單指標法則：因子由單個指標測量需滿足下列條件之一：
(1)指標誤差方差固定為0或其他值（如，1－信度×指標方差）
(2)或在結構模型中存在額外的工具變量(Instrumental Variable)，並且指標誤差與工具變量的誤差不相關。
簡單結構：每個條目只在一個因子上有負荷，誤差不相關。
目前常用的兩種指定測量單位的方法，在多數情況下產生相同的擬合和參數估計，但有時會產生不同的標準誤(Gonzalez & Griffin, 2001)。
Mplus指定潛變量單位的設置方法
固定負荷法：
F1 BY y1-y5; !程序默認設置因子的第一個指標的負荷為1。
固定方差法：
F1 BY y1* y2-y5;!指標後加自由估計符號「*」可以設定y1自由估計。
!「*」還可用於設定開始值。
F1@1; !使用固定參數符號@固定因子方差為1。
2.3 模型估計
Mplus提供了12種參數估計的方法，ML估計法最常用。
前提條件：
A. 連續數據: 心理學研究中很少能滿足此要求，但選項數在5個以上近似看作連續變量，可以得到準確的估計(Johnson & Creech, 1983)。
B. 多元正態分布: 此要求很苛刻，在實踐中很難滿足。
C. 數據獨立: 此前提基本多數情況下可以滿足。在複雜取樣設計中，變量之間獨立性受到威脅時可使用MLR估計法，獲得穩健卡方和誤差。
D. 大樣本。
2.4 數據預處理
A. 數據分析之前都需要對數據質量進行審查，如奇異值(Bollen 1987, Lee & Xu 2003, Yuan & Bentler, 2001)。
B. Yuan和Bentler(2001, p. 161)指出，即使提出的模型在樣本中的大部分數據中是合適的，即使小部分的奇異值也會導致估計偏差。
C. Lee和Xu(2003)提供了一些數據準備的技巧。
D. 1000個優質case勝過10萬個垃圾case!!
聲明：部分文章和信息來源於網際網路，如轉載內容涉及版權等問題，請立即與小編聯繫，我們將迅速採取適當的措施。
更多精彩請點擊下列分類文章
↓↓↓
Mplus | 潛變量分析模型概述
Mplus | 軟體安裝與常用命令解讀
Mplus | 回歸與路徑分析概述
Mplus | 中介效應檢驗詳解
Mplus | 調節效應檢驗詳解
應該邀請說要停止治療的患者再來一次治療，並審視這一決定的利和弊，同時要明確治療在根本上是患者的一個自願的努力，是否繼續治療完全取決於患者。