CHUICHUI统计君 Blog(韩)

探索性因子分析(EFA)与验证性因子分析(CFA)--应用篇

原创 CHUICHUI统计君 CHUICHUI统计君 6天前

来自专辑

SPSS软件分析

这个主题一直是学生很关心的问题，一来是因为因子分析几乎是所有使用统计分析撰写论文的标配， 二来是因子分析分析方法本身就有些难度，因此好多学生分不清哪是哪，经常卡在这个地方。

我将两种因子分析的比较内容分成两篇文章，第一篇从实际应用的角度出发，着重强调使用操作上，以及那些看得见的，直观的差别上。

第二篇我会从理论上出发，对一篇的内容进行补充。

同学们再读懂了第一篇之后，第二篇理解起来也会容易些，即使不是100%全部理解，也能做到心理大致有数，不会完全蒙圈了。

概要

因子分析是基于相关关系对众多数据进行降维（即简化）的数据处理方法，目的在于挖掘出众多数据后的某种结构。

因子分析可分为：探索性因子分析和验证性因子分析。

探索性因子分析的英文缩写为EFA（exploratory factor analysis），验证性因子分析的英文缩写为CFA（confirmatory factor analysis）。

还有很多种其他的因子分析(如图)，因为比较少用，在本文中就不涉及了。

分析软件不同

首先，两者最大的区别就是：探索性因子分析是使用SPSS进行验证的，而验证性因子分析是使用AMOS的。

所以当看到某篇论文里只使用了SPSS软件做分析的话，那使用的分析方法百分之百是探索性因子分析了。

看结果找差异

第二，两种分析方法的检验过程以及结果展示是不同的。

验证性因子分析因为使用的是AMOS软件，一般都会展示一个模型图，那么只要有图的那就是验证性因子分析了。

验证性因子分析结果描述的时候，必定会提到的是模型的拟合度制度，而且是大量的拟合度指数，如CMIN, df, CFI, TFI, RMSEA, RMR 等等。同时，还需要检验聚敛效度和区分效度，因此验证性因子分析的结果内容会比较多。

• 参考内容：验证性因子分析(CFA)聚敛效度的计算方法(附计算器)

• 参考内容：验证性因子分析(CFA)区分效度的计算方法

而探索性因子分析则不同，探索性因子分析结果需要强调的是因子的载荷，固有值，总的分散比例。

因此，从对分析结果的表述上，我们也可以区分出两种因子分析方法。

同时使用

第三，两种因子方法可以分别单独使用，也可以同时使用，同时使用的情况，必定是先使用探索性因子分析，后使用验证性因子分析。

一般来讲，如果论文需要使用结构方程式模型来检验假设的话，肯定会要使用到验证性因子分析，探索性因子分析则可有可无。

另外，在量表题目过多的情况，建议先使用探索性因子分析，对问项有个大致的筛选之后，再使用验证性因子分析，可以大大的简化分析的过程和难度。

当然也有为了更好地分析结构效度，研究者会随机选取一半数据做探索性因子分析，另一半做确认性因子分析。不过这一情况并不多见。

选择合适的分析方法

如何选择适合的分析方法呢？

探索性因子分析使用条件

1. 没有坚实的理论基础支撑

2. 不知道具体存在几个因子

3. 不知道各因子和观测变量间的关系

验证性因子分析使用条件

1. 有预先检验的理论支撑

2. 实现假设因子结构

3. 假设每个因子都有一个具体的指示变量子集对应

由此可见，探索性因子分析主要目的是要重新探索量表的结构，包含的因子个数，以及因子与每个观察变项的关系，当研究者自编量表的时候，使用居多；另外像是翻译量表，或是因年代久远、研究对象性质不同，而认定因子结构和原本量表不同时，也建议采用探索性因子分析。

验证性因子分析主要目的是使用的量表对于搜集到的数据是否适当，因此大多数情况下，只能在引用因子结构已经经过检验的量表时，才会使用。

总结

总结一下，探索性因子分析是假设测量变量（问卷量表）能够最终形成几个因子（潜在变量）是未知的，然后通过因子分析，看看量表题项能够区分成几个分类(因子)，以及每个分类下包含哪些题项。

验证性因子分析则不同，分析者先根据前人的研究结果，已经在理论上明确了潜在变量(因子)包含哪些题目，通过因子分析来检验收集到的数据是否符合作者的理论，即拟合关系模型是否成立，如果拟合质量好，说明模型关系得到验证，反之则需要进行题项删除或修改。

由此可见，探索性因子分析着重在探索模型结构，而验证性因子分析着重在验证模型结构，因此探索性因子分析常用在问卷的设计初期，帮助分析者建立模型框架，而验证性因子常用在成熟问卷的信效度分析中。

参考文献

知乎. https://www.zhihu.com/question/388462332/answer/1159988907

快报. https://kuaibao.qq.com/s/20190804AZNL1M00?refer=spider

经管之家论坛. https://bbs.pinggu.org/

痞客帮.https://dasanlin888.pixnet.net

如有疑问，请在下方留言，你的问题也许也会帮助到别人哦

微信扫一扫
关注该公众号