1) 如下图所示,x4在因子A中的完全标准化负荷0.053很小,但它在其他因子中的修正指数也不高(接近0),说明这一题既不从属于A因子,也不归属于其他因子。 2) 如下图所示,x8在因子B中的负荷不高(0.280),但在因子A中的修正指数为41.453,显示它可能归属于因子A,它在因子C、D、E中的修正指数相对小得多。 3) 各因子间有中等程度相关(0
2) 先要了解模型的形态(form),包括因子个数、题目与因子的从属式样(pattern)。简单说,形态相同指同一个模型既适合男生也适合女生。 3) 在验证性因子分析模型中,模型形态相同意味着,因子负荷Λ、因子方差Φ、误差方差Θδ的元素是自由估计还是固定的,在男女生组是一致的,但参数估计值不必相同。 4) 将同一模型用...
不同于探索性因子分析(EFA)的“试错与探索”特征,验证性因子分析(CFA)是使用样本数据对已经根据某些理论、先验知识作出的结构模型(量表题项与潜在变量的对应关系,潜在变量之间的关系)是否与实际数据情况一致进行验证的过程。 验证性因子分析根据假设模型的潜在变量之间是否相关,可以分...
探索性因子分析的步骤：接下来，通过一个案例演示因子分析（探索性因子分析）的各个步骤应该如何进行。案例：欲探究我国不同省份铁路运输能力情况，收集到部分相关数据如下：上传数据至SPSSAU系统，在【进阶方法】模块，选择【探索性因子分析】，将变量拖拽到右侧分析框，勾选“因子得分”与“综合得分”，旋转方法选择默认...
1 首先，点击【问卷研究】板块中的【验证性因子分析】按钮 2 然后，整理好正确的数据格式进行上传，数据格式可以参考如下：3 将每个因子所对应的题目放入到指定位置，点击“开始分析”。4 最后可以看到因子载荷系数表格，同时可以结合智能分析进行解释说明。注意事项 建议进行CFA前，先进行探索性因子分析（EFA）以排除不...
验证性因子分析(confirmatory factor analysis, CFA)是用于测试一个因子与相对应的测度项之间的关系是否符合研究者所设计的理论关系的一种研究方法,可用于调查问卷的量表分析。 #2、输入输出描述 输入:至少两项或以上的定量变量或有序的定类变量。 输出:测量因子与变量之间的对应关系是否符合研究者所设计的理论关系。
验证性因子分析（confirmatory factor analysis, CFA）是结构方程模型的一种最常见的应用。验证性因子分析（confirmatory factor analysis, CFA）通常可用于四种用途：一是针对成熟量表进行效度分析，包括结构效度，聚合（收敛效度）和区分效度；二是验证性因子分析可用于组合信度的分析；三是验证性因子分析还可用于进行共同...
第一步:将数据导入并赋值后点击分析、降维、因子。 图1 探索性因子分析第一步 第二步:进入图中对话框后将量表题项全部放入变量框中、点击描述、勾选初始解、KMO和巴特利特球形度检验。点击继续。 第二步:点击旋转、勾选最大方差法、点击继续。 图3 旋转方法勾选 ...
验证性因子分析有着非常多的拟合指标，比如卡方自由度比，RMSEA、CFA、RMR等几十种，但在实际研究中会发现基本上很难所有指标均达标。如果研究时发现最常用的几个指标在标准范围内（或者多数指标基本均接近或明显在标准范围内），而有其它一些指标并不在标准范围内，相信模型拟合也是较好的，因此不用完全考虑所有的...
探索性因子分析的步骤: 接下来,通过一个案例演示因子分析(探索性因子分析)的各个步骤应该如何进行。 案例:欲探究我国不同省份铁路运输能力情况,收集到部分相关数据如下: 上传数据至SPSSAU系统,在【进阶方法】模块,选择【探索性因子分析】,将变量拖拽到右侧分析框,勾选“因子得分”与“综合得分”,旋转方法选择默认的“...