探索性因子分析与验证性因子分析--理论篇

比较探索性因子分析(EFA)与验证性因子分析(CFA)的--理论篇

原创 CHUICHUI统计君 CHUICHUI统计君 今天

来自专辑

SPSS软件分析

上一篇我们从实用性的角度对两种因子分析做了比较，这一篇稍微补充一些理论知识，帮助大家更深刻的理解两种因子分析方法。

 

探索性(EFA)和验证性(CFA)因子分析，二者都用于检验结构效度，如果对因子结构有事先的假设和理论基础，通常采用CFA；如果没有事先的假设，纯粹依据数据来分析结果，则采用EFA。

 

 

1. 用途

 

 

探索性因子分析（EFA）：

• 寻求基本结构，解决多元统计分析的变量间强相关问题；

• 数据化简；

• 发展测量量表

 

验证性因子分析（CFA）：

• 验证量表的维度或面向性，决定最有效因子结构；

• 验证因子的阶层关系；

• 评估量表的信度和效度

 

我们举例说明：假设现在要设计一份量表型的调查问卷，根据调研文献和前期访谈，总共设计3个潜在变量，然后为每个潜在变量设计4~8个题项组成初始问卷。

 

初始问卷的这些题项并不是一定能够与设计的潜在变量对应（没有结构效度），因此可以通过探索性因子分析进行题项的筛选，看看当初设计时应该归于一个因子的题项（聚集在一起表示这些题项相关，可以被同一个潜在变量解释）是否落在同一个因子中，如果没有，那么就需要对相应的题项进行删除或修改处理。

 

验证性因子分析通过AMOS将潜在变量与对应题项绘制测量模型，然后通过数据拟合，看看模型的拟合质量如何，如果模型拟合质量好，说明测量模型绘制的潜在变量与题项的关系通过数据验证。

 

探索性因子分析被提出的时间早于验证性因子分析，主要的目的是在探索一组观察变项中有多少的潜在因子，其流程是先设定一群观察变项会受到同一个共同因子的影响，计算其共变程度，再来排除掉共变程度后，再寻找下一个可以解释剩下共变关系的因子，直到所有变异量被解释完为止（如下图左半部），此时所萃取因子的个数刚好就是等于观察变项的总题数，不过由于多数因子能解释共变的程度不高，因此就会有许多方式来决定因子个数，譬如说下图右半部采取特征值大于一的方式来决定，或是用陡坡图来决定适合的因子个数。

 

由于探索性因子分析的每个因子都会去解释每个观察变项的共变程度，若将此结构图像化，就会像是下方的图片一样，这也是为什么探索性因子分析里会有交叉载荷（cross-loading）的问题。

 

 

 

探索性因子分析的结构无法假设一个观察变项只受到一个潜在因子的影响，直到验证性因子分析被提出才解决，而采用迭代方式来解决数学演算上的问题，其结构图如下。

 

 

 

2. 因子个数与命名

 

 

在探索性因子分析中，因子个数是根据结果来决定的(如特征值(又名固有值，Eigen value)大于1、陡坡图)，决定好因子个数后，再透过因子旋转(转轴法)来计算各个观察变项在每个因子中的负荷量，来决定观察变项的归类，最后再依据归类完的题目内容，对于个别因子进行命名；

 

验证性因子分析因为只是验证资料与引用量表的结构是否适配，因此因子个数与命名都是延用原来量表的结构。

 

 

3. 估计法

 

 

在探索性因子分析中，最常使用的估计法是主成分法及主轴因子法；而在验证性因子分析中，最常使用的估计法为最大概似估计法（ML法），因此观察变项会有常态性假设的问题。

 

 

4. 报告内容

 

 

在探索性因子分析中，会报告每个因子的命名、特征值、解释变异量，每个因子下包含的题项有哪些，以及题项的因子负荷量；在探索性因子分析中，会报告模式配适度、题项的负荷量、个别因子的建构信度与平均变异抽取、报告区别效度。

 

最后将两者的差异汇整如下：

 

总结

 

 

社会科学，人文科学等领域最常用的分析软件是SPSS，AMOS是后来才为学术界采用。因为使用图形好看，使用难度略高，对样本数要求高，等等因素产生了一种印象，那就是AMOS比SPSS高级。事实上并不是如此。

 

AMOS软件可以做的分析并不是很多，使用条件和可导出结果的局限性都很大，在使用之前一定要充分考虑后再决定。

 

其实使用哪种分析软件，归根结底只要满足你的研究内容就可以了。比如，一篇普通的硕士论文，问卷发个一二百份就够了，实在是没必要硬是使用AMOS来分析；反之，如果你的论文需要一些形式上的东西，也可以在满足研究的条件下使用AMOS分析达到研究目的。

 

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