1、第四讲 验证性因子分析的原理与应用,主讲：张 林（博士）,一、因子分析（ Factor Analysis ） 基本思想,基本思想:在研究中往往需要对反映事物的多个变量进行观测，收集数据，变量庞大无疑为科学研究提供了丰富的信息，但在一定程度上也增加了问题分析的复杂性，由于各变量存在一定相关关系，因而可以通过降维过程将相关性高的变量聚在一起，因子分析由此而来。根据研究目的不同，因子分析可以分为： 探索性因子分析（ Exploratory Factor Analysis ） 验证性因子分析（ Confirmatory Factor Analysis ）,二、 Exploratory Factor A
2、nalysis,1. 基本含义： 在实际研究中，如果事先对于因素分析的结果(如公因子的数目，含义，公因子问的关系、公因子与观测变量的关系)并无明确的、可检验的假设(如在开创性研究中)，研究的目的仅在于“发现”、命名可能存在的公因子并用公因子来解释观测变量间的共变关系。2. 前提假设:,3. EFA的基本步骤：,三、 Confirmatory Factor Analysis,1. 基本含义 根据已有理论和研究成果，事前就能够对因素分析的结果做出合理的理论假设，研究的目的在于从数据的角度检验这种假设(构想效度)的合理性。2. 前提假设： （1）公共因素之间可以相关，也可以无关； （2）观测变量可以
3、只受某一个或几个公共因素的的影响，而不必受所有公共因素的影响； （3）特殊因素之间可以有相关，可以有不存在误差的观测变量； （4）公共因素与特殊因素相互独立。,四、CFA 在研究中的应用,模型设定： 将模型路径图转换为参数矩阵的形式； =+ x1 11 0 1 x2 21 0 1 2X= x3 ，= 31 0 ，= ，= 3 x4 41 0 2 4 x5 0 52 5 x6 0 62 6 参数设置： （1）自由参数 待估计参数； （2）固定参数 固定值为0或1； （3）限制参数 限定数值。,矩阵基础知识,零矩阵 0（ZE）；单位矩阵 I （ID）；对角矩阵 （DI）；下三角矩阵 （SD）；对称矩阵 （SY）；标准对称矩阵（ST）；完整矩阵 （FU）。,
