驗證性因子分析，是用于測量因子與測量項(量表題項)之間的對應(yīng)關(guān)系是否與研究者預(yù)測保持一致的一種研究方法。盡管因子分析適合任何學(xué)科使用，但以社會科學(xué)居多。

目前有很多軟件都可以非常便利地實現(xiàn)驗證性因子分析，本文將基于SPSSAU系統(tǒng)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，主要用于濃縮測量項，將所有題項濃縮提取成幾個概括性因子，達(dá)到減少分析次數(shù)，減少重復(fù)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(qū)別只在于探索性因子分析(EFA)用于探索因子與測量項之間的對應(yīng)關(guān)系，驗證性因子分析(CFA)用于驗證結(jié)果與理論預(yù)期是否一致。

Step2：分析思路

在實際研究中，驗證性因子分析常會與結(jié)構(gòu)方程模型、路徑分析等方法聯(lián)系到一起，對于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(yīng)關(guān)系，檢驗量表效度，非經(jīng)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(yīng)關(guān)系，檢驗量表效度，成熟量表通常用驗證性因子分析。確認(rèn)測量關(guān)系后，后續(xù)可進行路徑分析/線性回歸分析研究具體的影響關(guān)系。

路徑分析：用于研究多個自變量與多個因變量影響關(guān)系；如果因變量只有一個，可以使用線性回歸分析。

結(jié)構(gòu)方程模型SEM：包括測量關(guān)系和影響關(guān)系。如果僅包括影響關(guān)系，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(guān)系無誤之后，再進行結(jié)構(gòu)方程模型構(gòu)建。

從分析思路上看，建議先用探索性因子分析EFA構(gòu)建模型，確定存在幾個因子及各分析項與因子的對應(yīng)關(guān)系，再用驗證性因子分析CFA加以檢驗。

Step3：SPSSAU操作

分析步驟

（1）模型設(shè)定

首先需要確定因子數(shù)及對應(yīng)分析題項，順序放入分析框內(nèi)。

（2）模型擬合

因子載荷系數(shù)表格

通過因子載荷系數(shù)表格可以展示因子(潛變量)與分析項(顯變量)之間的關(guān)系情況。如果因子與測量項間的對應(yīng)關(guān)系出現(xiàn)嚴(yán)重偏差，或者因子載荷系數(shù)值過低，則需要刪除掉該測量項。

分析時主要關(guān)注P值及標(biāo)準(zhǔn)載荷系數(shù)，建議結(jié)合SPSSAU給出的“分析建議”進行分析。

模型擬合指標(biāo)

模型擬合指標(biāo)用于整體模型擬合效度情況分析。

常用的擬合值及其判斷標(biāo)準(zhǔn)，都展示在上表中，實際輸出值在標(biāo)準(zhǔn)范圍內(nèi)及說明模型擬合程度較好。模型擬合指標(biāo)非常多,通常下很難保證所有指標(biāo)均達(dá)標(biāo)，只要多數(shù)指標(biāo)達(dá)標(biāo)或接近標(biāo)準(zhǔn)值即可。

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

（3）模型修正

根據(jù)模型擬合指標(biāo)情況，評價模型的優(yōu)劣，如果模型擬合情況不佳，則需要進一步修正模型。

MI指標(biāo)越大說明該項與其他因子的相關(guān)性越強，MI過大時會干擾模型需要進行修正或剔除該項。

模型構(gòu)建過程需要重復(fù)多次，以找到最優(yōu)模型。同時SPSSAU會自動生成模型結(jié)果圖。

（4）模型分析

在完成模型構(gòu)建后，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(qū)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是用于判斷聚合效度的常用指標(biāo)，AVE>0.5，并且CR>0.7，則說明具有良好的聚合效度。如果AVE或CR值較低,可考慮移除某因子后重新分析聚合效度。

上圖為SPSSAU輸出的AVE、CR值指標(biāo)表格，可以根據(jù)此表格進行查看。

區(qū)分效度

區(qū)分效度，常用的做法是將AVE根號值與‘相關(guān)系數(shù)值’進行對比，SPSSAU也會輸出相應(yīng)結(jié)果。

如果每個因子的AVE根號值均大于“該因子與其它因子的相關(guān)系數(shù)最大值”，說明具有良好的區(qū)分效度。

共同方法偏差

共同方法偏差，SPSSAU提供兩種方法檢驗，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里面進行分析，如果測量出來顯示模型的擬合指標(biāo)無法達(dá)標(biāo)，模型擬合不佳，說明所有的測量項并不應(yīng)該同屬于一個因子，也就說明數(shù)據(jù)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(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個樣本。

一個因子對應(yīng)的測量項最好在5~8個之間，便于后續(xù)刪除掉不合理測量項。

絕大多數(shù)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(shù)處選中‘二階’即可。

總結(jié)

一般來說，使用驗證性因子分析需要有一定的理論基礎(chǔ)支持，如果擬合指標(biāo)不能達(dá)標(biāo)，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。

以及對于不熟悉的步驟，建議大家閱讀SPSSAU幫助手冊的相關(guān)說明以及SPSSAU的教學(xué)視頻。