第四讲 验证性因子分析的原理与应用

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（FactorAnalysis）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（ExploratoryFactorAnalysis）验证性因子分析（ConfirmatoryFactorAnalysis）二、ExploratoryFactorAnalysis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、ConfirmatoryFactorAnalysis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；Ｘ=Λｘξ+δx1λ110δ1x2λ210ξ1δ2X=x3，Λｘ=λ310，ξ=，δ=δ3x4λ410ξ2δ4x50λ52δ5x60λ62δ6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）。