spssau 验证性因子分析Word格式文档下载.docx
- 文档编号:15351996
- 上传时间:2022-10-29
- 格式:DOCX
- 页数:10
- 大小:508.20KB
spssau 验证性因子分析Word格式文档下载.docx
《spssau 验证性因子分析Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《spssau 验证性因子分析Word格式文档下载.docx(10页珍藏版)》请在冰豆网上搜索。
结构效度
因子与测量项(量表题项)对应关系是否良好。
标准化Factorloading值较高,通常是要求大于0.7
聚合(收敛)效度
强调本应该在同一因子下面的测量项,确实在同一因子下面
AVE(平均方差萃取)一般需要大于0.5
区分效度
强调本不应该在同一因子的测量项,确实不在同一因子下面
AVE(平均提取方差值)的根号值和相关分析结果对比;
或者使用HTMT值小于0.85这一标准。
组合信度CR
测量信度水平
一般CR值大于0.7即可
共同方法偏差CMV
数据是否具有共同方法偏差问题
将所有的项放在一个因子里面,然后进行分析,如果测量出来显示模型的拟合指标,比如卡方自由度比,RMSEA,RMR,CFI等无法达标,则说明模型拟合不佳,即说明所有的测量项并不应该同属于一个因子,因而说明数据通过共同方法偏差CMV检验,数据无共同方法偏差问题。
权重计算
利用factorloading值进行权重测量
标准化的Factorloading值进行归一化,即得到权重值。
如果是使用CFA进行结构效度验证,即测量因子与对应项之间的对应关系情况是否良好,一般查看标准化factorloading即因子载荷系数值即可,如果所有的项标准化factorloading值大于0.7即说明结构效度良好。
当然,如果某项的factorloading值较小,那么可删除该项后再次分析。
如果使用CFA进行聚合效度验证,那么其是测量本应该在同一因子的项确实在该因子里面;
其具体测量方式是要求AVE值大于0.5即可;
如果出现AVE明显的小于0.5,此时可考虑移项一些载荷系数值较低项后再次分析。
如果使用CFA进行区分效度验证,那么其是测量不应该同一因子的项确实不在同一因子下面;
测量方式有两种,第一种是看AVE平方根号值与相关系数值进行PK,如果说AVE平方根号值全部大于相关系数值,意味着聚合性明显更强,说明具有区分效度;
区分效度时还有一种测量方式是使用HTMT值,该指标一般小于0.9即可,但该指标要求相对较严格,使用较少。
如果使用CFA进行信度分析,那么使用组合信度系数CR值测量即可,一般CR值大于0.7即可。
如果说使用CFA进行共同方差偏差CMV检验,那么一种常见的做法是,将所有的项放在一个因子里面,如果说模型拟合效果很糟糕,则说明所有项不应该属于同一个因子,也即说明数据没有共同方法偏差问题。
当然共同方法偏差分析也可以使用SPSSAU进阶方法里面的因子分析(探索性因子分析EFA),也或者验证性因子分析的其它方式进行验证,具体可参考SPSSAU其它手册;
CFA还可以用来进行权重的计算,其原理是利用标准化的Factorloading值的大小进行归一化,然后进行权重值计算,但是此项应用使用相对较少。
1、验证性因子分析基本说明
使用SPSSAU进行验证性因子分析是一件轻松的事情。
但在实际分析过程中,容易出现各种问题,解决问题才是关键。
其实质是对于分析的掌握能力。
一般情况下,验证性因子分析的分析流程如下:
在进行CFA分析前,一定需要清楚的知道,通常情况下量表数据才能进行CFA分析,而其它的一些数据一般不能进行CFA分析。
所以数据准备需要按照CFA的思路进行,包括每个因子对应4~7个题(为什么是4~7个呢?
因为如果个别不达标后面可以删除掉);
如果不是这样,就很有可能出现各种问题而且没有缓冲;
在进行验证性因子分析之前,一般需要先进行探索性因子分析,首先因子与项之间有着较好的对应关系,如果探索性因子分析已经发现各种对应关系有问题,那么验证性因子分析时结果一般都不理想,这一步骤非常重要,也是减少各种问题的关键。
在进行验证性因子分析时,重要的指标是factorloading值,一般标准化的factorloading值需要大于0.7,如果该值较小,就说明对应项与因子之间对应关系弱,因此可考虑删除该项,也或者移动该项到别的因子里面。
重复几次直至标准化factorloading值都大于0.7即可。
这样对应的其它指标,比如AVE值,CR值等才可能达标,因此这些指标都是基于标准化Factorloading值计算得到。
2、如何使用SPSSAU进行验证性因子操作
关于利用SPSSAU进行验证性因子分析的操作上,如下:
本例子中共有4个因子,每个因子对应着一些项。
所以分别放在4个因子框里面。
默认SPSSAU会以Factor1,Factor2等这样的名字进行,当然可以自主地对因子进行命名。
一般情况下不会使用二阶模型,如果确实是二阶模型则选中即可。
除此之外,在进行验证性因子分析时,有时候会对模型进行MI指标调整,此时也可进行设置。
在实际分析时,如果使用验证性因子分析进行效度分析(包括结构效度,聚合效度,区分效度),也或者组合信度时,对于模型的拟合指标关注度较低,因此MI指标调整使用较少。
在使用SPSSAU进行CFA分析后,SPSSAU默认会输出上述中涉及到的分析的各类表格。
SPSSAU输出相关表格说明如下:
表格
功能用途
指标等
CFA分析基本汇总
每个因子对应测量项数量汇总
因子对应测量项个数
因子载荷系数
聚合(收敛)效度使用,标准化载荷系数值大于0.7说明具有聚合效度
非标准化、标准化载荷系数值等
模型AVE和CR指标结果
聚合(收敛)效度使用指标,区分效度使用指标
AVE和CR指标值
区分效度:
Pearson相关与AVE平方根值
分析区分效度时使用
AVE平方根值,因子间相关系数
模型拟合指标
模型拟合情况,共同方法偏差使用等
卡方自由度,RMSEA,RMR,CFI,NFI等
因子和分析项-MI指标
查看因子与测量项间关系强弱,用于辅助判断和分析测量项是否应删除
MI指标
因子协方差
查看因子之间的关系强弱,辅助判断模型构建情况
显变量协方差表格
显变量间的协方差关系,无特别意义
显变量间的协方差关系指标值
残差项估计值
残差项值,无特别意义
残差项相关指标值
HTMT(异质-单质比率)结果
用于区分效度分析
HTMT值
当然,上述表格中有一些基本无意义,比如残差项估计值,因子协方差,显变量协方差表格等,意义均较小,可能对于分析建模有一定帮助,通常无实质性价值。
以及SPSSAU默认都会输出智能分析和分析建议等,如下各图:
基本汇总
因子载荷系数表格
因子和分析项
因子协方差表格
残差值表格
3验证性因子不达标如何办?
进行验证性因子分析时,很容易出现一些问题,比如效度不达标、factorloading值过小或者过大,也或者各种指标拟合不达标等。
接下来从5个角度去剖析数据不达标的处理。
第1点:
效度不达标
如果对验证性因子分析进行效度验证出现问题。
分别说明如下:
●如果进行结构效度验证,发现标准化factorloading值小于0.7;
可直接对该项进行删除;
●如果进行聚合效度分析时发现AVE值小于0.5,那么也需要对标准化factorloading值较低项进行删除处理,因为AVE值是由factorloading值计算得到;
●如果进行区分效度分析时发现AVE平方根值小于相关系数值;
说明区分效度差,此时有两种处理办法,一是重新进行探索性因子分析,将因子与分析项之间的对应关系梳理好(比如重新改变因子与分析项的对应关系等);
二是删除掉factorloading值较低;
第2点:
factorloading值过大或过小
如果说标准化的Factorloading值过大,比如大于1,说明有着很强的共线性问题,建议可分别针对每个因子对应的项,分别做相关分析,将相关关系过强(比如相关系数值大于0.8甚至0.9)的项删除后重新分析,减少共线性问题;
如果说标准化factorloading值过小,比如0.4,那么说明该项应该直接进行删除掉。
第3点:
拟合指标不达标
如果研究目的是进行效度验证或者组合信度等,一般对于模型拟合指标的关注度较低,可直接忽略即可。
如果是使用验证性因子分析进行共同方差偏差CMV检查,那么其检查原理就是查看拟合指标不好,用于说明没有CMV问题;
如果说使用验证性因子分析做权重计算时指标拟合不好,可考虑删除项,或者进行MI调整等。
特别提示:
在进行验证性因子分析之前,最好是先进行探索性因子分析,如果探索性因子分析已经发现问题,比如因子与项之间的对应关系有问题,那么数据继续进行验证性因子分析,一般都会有各种问题。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- spssau 验证性因子分析 验证 因子分析