實用教程!驗證性因子分析思路總結

2020-11-30 SPSSAU

驗證性因子分析，是用於測量因子與測量項(量表題項)之間的對應關係是否與研究者預測保持一致的一種研究方法。儘管因子分析適合任何學科使用，但以社會科學居多。

目前有很多軟體都可以非常便利地實現驗證性因子分析，本文將基於SPSSAU系統進行說明。

Step1：因子分析類型

因子分析可分為兩種類型：探索性因子分析（EFA）和驗證性因子分析（CFA）。

探索性因子分析，主要用於濃縮測量項，將所有題項濃縮提取成幾個概括性因子，達到減少分析次數，減少重複信息的目的。

驗證性因子分析與探索性因子分析相似，兩者區別只在於驗證性因子分析(CFA)用於驗證對應關係，探索性因子分析(EFA)用於探索因子與測量項之間的對應關係。一個沒有設定預期對應關係，一個設定了預期關係。

Step2：分析思路

在實際研究中，驗證性因子分析常會與結構方程模型、路徑分析等方法聯繫到一起，對於不熟悉概念的研究人員容易搞混這些方法，下表對這幾種方法進行簡單說明：

探索性因子分析：驗證因子與分析項的對應關係，檢驗量表效度，非經典量表通常用探索性因子分析。驗證性因子分析：驗證因子與分析項的對應關係，檢驗量表效度，成熟量表通常用驗證性因子分析。確認測量關係後，後續可進行路徑分析/線性回歸分析研究具體的影響關係。路徑分析：用於研究多個自變量與多個因變量影響關係；如果因變量只有一個，可以使用線性回歸分析。結構方程模型SEM：包括測量關係和影響關係。如果僅包括影響關係，此時稱作路徑分析（Path analysis，有時也稱通徑分析）。通常需要進行探索性因子分析和驗證性因子分析，均保證測量關係無誤之後，再進行結構方程模型構建。

從分析角度看，建議先用探索性因子分析構建模型，確定存在幾個因子及各分析項與因子的對應關係，再用驗證性因子分析加以檢驗。

Step3：SPSSAU操作

分析步驟

（1）模型設定

首先需要確定因子數及對應分析題項，順序放入分析框內。

問卷研究→驗證性因子分析
驗證性因子分析

（2）模型擬合

因子載荷係數表

通過因子載荷係數表格可以展示因子(潛變量)與分析項(顯變量)之間的關係情況。如果因子與測量項間的對應關係出現嚴重偏差，或者因子載荷係數值過低，則需要刪除掉該測量項則需要考慮刪除測量項。

分析時主要關注P值及標準載荷係數，建議結合SPSSAU給出的「分析建議」進行分析。

模型擬合指標

模型擬合指標用於整體模型擬合效度情況分析。

常用的擬合值及其判斷標準，都展示在上表中，實際輸出值在標準範圍內及說明模型擬合程度較好。模型擬合指標非常多，通常下很難保證所有指標均達標，只要多數指標達標或接近標準值即可。

*常用指標包括卡方自由度比，GFI，RMSEA，RMR，CFI，NFI和NNFI。

（3）模型修正

根據模型擬合指標情況，評價模型的優劣，如果模型擬合情況不佳，則需要進一步修正模型。

MI指標

MI指標越大說明該項與其他因子的相關性越強，說明該因子與分析項間需要建立關聯關係；MI過大時會干擾模型需要進行修正或剔除該項。

返回分析頁面，選擇「按MI>10調整」，再次分析。

（4）模型分析

在完成模型構建後，即可使用模型進行分析。驗證性因子分析主要有三個方面的功能，分別是聚合效度、區分效度、共同方法偏差。

聚合效度

聚合效度，也叫做收斂效度。AVE和CR是用於判斷聚合效度的常用指標，AVE>0.5，並且CR>0.7，則說明具有良好的聚合效度。如果AVE或CR值較低，可考慮移除某因子後重新分析聚合效度。

區分效度

區分效度，常用的做法是將AVE根號值與『相關係數值』進行對比，SPSSAU也會輸出相應結果。

如果每個因子的AVE根號值均大於「該因子與其它因子的相關係數最大值」，說明具有良好的區分效度。

共同方法偏差

共同方法偏差，常見有兩種方法檢驗，一種是探索性因子分析(也稱作Harman單因子檢驗方法)，做法是將所有變量進行探索性因子分析，如果只得出一個因子或者第一個因子的解釋力（方差解釋率）特別大，則判定存在共同方法偏差。

另一種是驗證性因子分析，所有變量全部放在一個因子裡面進行分析，如果測量出來顯示模型的擬合指標無法達標，模型擬合不佳，說明所有的測量項並不應該同屬於一個因子，也就說明數據無共同方法偏差問題。

Step4：常見問題

驗證性因子分析需要較大的樣本量，通常建議樣本量至少為測量項的5倍以上，最好10倍以上，且一般情況下至少需要200個樣本。一個因子對應的測量項最好在4~7個之間，便於後續刪除掉不合理測量項。絕大多數情況下均為一階驗證性因子分析。如果說驗證性因子分析時為二階模型，此時參數處選中『二階』即可。

總結

一般來說，使用驗證性因子分析需要有一定的理論基礎支持，如果擬合指標不能達標，最好按照分析思路：探索性因子分析→驗證性因子分析，進行分析。

以及對於不熟悉的步驟，建議大家閱讀SPSSAU幫助手冊的相關說明以及SPSSAU的教學視頻。

瀏覽器版本過低，暫不支持視頻播放

相關焦點

  • 效度分析完整總結!你一定要知道的分析流程
    （3）結構效度問卷結構效度分析的常用方法有兩種：探索性因子分析、驗證性因子分析。正常情況下，針對量表數據的效度分析，均需要使用探索性因子分析進行效度的驗證說明，並且配合內容效度進行綜合說明。① 探索性因子分析操作方法：使用SPSSAU[效度]或[因子]，放入量表題進行分析。
  • AMOS驗證性因子分析
    驗證性因子分析相關指標的名稱及內涵因子載荷量（factor loading）潛在變量（維度因子）到測量變量（題項）的標準化回歸係數。因子載荷量越大，代表潛在變量（維度因子）對測量變量（題項）的解釋能力越強，表示「指標信度」越好。
  • 實用乾貨!因子分析超全步驟總結!
    「因子分析」是統計數據分析方法之一，因子分析包括探索性因子分析和驗證性因子分析。本文主要討論探索性因子分析。一、研究背景關於工作滿意度有14個問題，調研得到215份問卷結果。希望通過因子分析，用少量因子反映14個題目的信息，從而達到降低維度，便於分析的目的，並對因子命名用於後續分析。二、分析步驟Step1數據準備：依據研究目的，收集相關數據。本例中就是我們收集得到的14個問題的有關數據。
  • 值得一看:因子分析實例分析_SPSSAU實用教程
    但大量的數據就容易產生重複的信息，為了減少研究的複雜程度，這時候就可以用到主成分分析或因子分析。應用場景因子分析可以看做是優化後的主成分分析，兩種方法有很多共通的地方，但應用方面各有側重。這裡我們選擇默認輸出因子個數，同時勾選綜合得分，後續的分析會用到。
  • 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。
  • 從這篇22分+文章入手,帶你深度探討臨床預測模型研究思路
    預測模型構建思路預測因子篩選及預處理預測因子的篩選目的是在海量的因子中，排除掉預測效能差或者不相關的因子，篩選出強預測因子，作為後續預測模型建立的基礎。同時，還要根據變量的實際情況進行量綱轉換。以單因素回歸分析為例，通過將待選預測因子與終點事件逐個進行單因素回歸分析，篩選出達到設定閾值（如P=0.10）的因子納入後續模型構建步驟。
  • GEO數據挖掘篩選關鍵基因,然後實驗驗證的發文思路
    之前純生信數據挖掘的發文思路已經分享了很多，所以這次我們分享一下GEO數據挖掘篩選關鍵基因，然後實驗驗證的發文思路。本次的參考範文發表在Thoracic Cancer上，影響因子：2.61，中科研分區：3區。
  • SPSS因子分析經典案例分享
    什麼是因子分析？因子分析又稱因素分析，傳統的因子分析是探索性的因子分析，即因子分析是基於相關關係而進行的數據分析技術，是一種建立在眾多的觀測數據的基礎上的降維處理方法。其主要目的是探索隱藏在大量觀測數據背後的某種結構，尋找一組變量變化的共同因子。因子分析能做什麼？
  • 因子載荷?史上最易懂的問卷信效度分析教程!!!
    （4）KMO檢驗和Bartlett球形檢驗步驟 第一步，選擇分析-降維-因子，出現因子分析對話框。 注意：在KMO檢驗的結果中，會有一個旋轉成分矩陣，但那個是探索性因子分析法（EFA）的因子載荷，而不是驗證性因子分析（CFA）。只有AMOS可以做CFA （5）因子分析？？ 因子分析的方法有兩類。
  • 簡單易懂,結構方程模型思路總結
    如此以外，還有一些容易混淆的方法，都在下表中列出：2、分析思路SPSSAU分析建議從整體分析角度看，完整分析步驟包括以下幾個步驟：模型構建→探索性因子分析/驗證性因子分析→設置模型→評估模型→模型調整。
  • 基於基因家族的生信發文思路
    本次分享一下基因家族的生信發文思路，文章發表在Cancer Medicine上，影響因子：3.491，中科院分區：三區。文章題目：Exostosin1 as a novel prognostic and predictive biomarker for squamous cell lung carcinoma: A study based on bioinformatics analysis分析思路：1、登陸Oncomine資料庫和UALCAN數據進行差異分析，發現EXT1和
  • 轉錄因子(TF)研究思路,這些模式你曉得吧?(上)
    ，我們通過一張思路圖進行展示：好，第一個套路就講到這裡，整套研究做下來，一般發表的文章分數5-8分，比較適合青年和地區類項目申請。我們看到在機制研究上，與上面一篇文章不同的是，這篇文章更偏重於探索轉錄因子FOXN2 低表達的原因，即上遊機制。從文章的研究內容上，包括了細胞、動物和機制三部分（沒有涉及臨床），其中機制部分首先闡述，細胞與動物功能做最後的驗證。
  • 新藥研究中穩定性指示的分析方法開發與驗證概要
    因此，業內人士已開展對能夠準確檢測和定量藥物活性成分、雜質、降解雜質的方法進行開發和驗證。這種方法往往能夠提供穩定性的趨勢性結果，因此稱為穩定性指示方法。本文對非臨床研究製劑穩定性指示方法的開發和驗證進行了綜述，為從事相關研究的團隊提供指導。 藥物開發根據需要包括許多階段。
  • SPSS實操教程——單因素方差分析
    這個時候需要使用方差分析。那怎麼做呢？做分析之前需要思考幾個問題？是不是單因素？是不是獨立？各組應變量是不是符合正態分布？各組應變量是不是方差齊性？好，他這個研究是單因素的，只是分析了藥物一個因素，包括三種不同的藥物，分為三組。而且各組之間也是相互獨立的。
  • 關於SPSS因子分析的幾點總結
    在諸多主成分Z i中，Z 1在方差中佔的比重最大，說明它綜合原有變量的能力最強，越往後主成分在方差中的比重也小，綜合原信息的能力越弱。2、因子分析：因子分析是尋找潛在的起支配作用的因子模型的方法。因子分析是根據相關性大小把變量分組，使得同組內的變量之間相關性較高，但不同的組的變量相關性較低。每組變量代表一個基本結構，這個基本結構稱為公共因子。
  • SPSS因子分析案例
    因子分析在各行各業的應用非常廣泛，尤其是科研論文中因子分析更是頻頻出現。另外，spss軟體為了消除不同變量間量綱和數量級對結果的影響，在該過程中默認自動進行標準化處理，因此不需要對這些變量提前進行標準化處理。
  • CDE | 化學藥物分析方法驗證的內容和評價
    分析方法是揭示藥品品質的工具和手段，方法驗證是判斷採用的分析方法是否科學、可行的過程。 實際上，方法驗證就是根據確定的檢測項目的要求，預先設置一定的驗證內容，並通過設計合理的試驗來驗證所採用的分析方法能否符合檢測項目的要求。
  • 你一定要知道的效度分析攻略
    （3）結構效度 問卷結構效度分析的常用方法有兩種：探索性因子分析、驗證性因子分析。 正常情況下，針對量表數據的效度分析，均需要使用探索性因子分析進行效度的驗證說明，並且配合內容效度進行綜合說明。
  • 宏基因組binning分析免費做
    圖1 分組alpha多樣性分析1.2 組合圖在物種與環境因子的關聯分析中，相信大家對相關性熱圖或者mantel test都不陌生，但是把我們熟悉的兩個內容合成一幅圖>因子關聯分析文章重在探討水體富營養化產生的藻類聚集體，所以物種與水體環境因子的關聯分析也是非常重要的一部分。
  • 論文常用數據分析方法分類總結-3
    知識圖譜繼續我們的知識總結，本文總結包括：多選題研究、聚類分析研究、權重研究、非參數檢驗、數據分布。論文常用數據分析方法分類總結-211.權重研究有多種方法包括：因子分析、熵值法、AHP層次分析法、TOPSIS、模糊綜合評價、灰色關聯等。因子分析：因子分析可將多個題項濃縮成幾個概括性指標（因子），然後對新生成的各概括性指標計算權重。