* 没有数据缺失时选用极大似然估计法（Maximum Likelihood Estimates）

有数据确实时选用Full Information Maximum Likelihood (Arbuckle, Marcoulides, & Schumacker, 1996)

验证性因素分析（Confirmatory Factor Analysis）

EFA是简历量表或问卷的建构效度

CFA是检验此建构效度的适切性和真实性（观察变量与潜在变量间的关系）

聚合效度（Convergent validity）：测量同一特质构念的测量指标会落在同一个因素构念上（.50~ .95）

区别效度（Discriminant validity）：两个因素构念间是有区别的（相关显著不等于1）

开始：

首先在SPSS里面打开amos

当当当AMOS界面出现

之后开始画图

点上红色框框里的图标，开始画潜变量，

例如 社会性成就目标 （social achievement goals）

包括 DEP (social development goal)

DAP (social demonstration-approach goal)

DAV (social demonstration-avoidance goal)

每个variable都有6个观察变量，所以所绘试图如下：

调整他们的方向，设置每一个潜在变量的名称和插入观察变量的值

• 如果不是在SPSS中打开的AMOS的话，还的把所用数据文件打开，如下图所示。

设置每一个潜在变量的名称（双击红色圈圈的潜在变量）

之后 插入观察变量的值

在所有潜在变量之间画covariances

命名空白残差

当当当

所谓的基本图形完成

现在开始分析吧

结果就出来啦

之后就找数值吧

在estimate里面regression weights

如： DEP1~6 estimate 数值出现最大数值是1.030，那么这个时候就要把DEP->DEP2的那条线regression weights 设置为1；DAP,DAV的情况如同DEP进行就可以啦。

改完之后的结果分析

Estimates参数估计值

CR：组合效度

因素负量Factor loading =

> 0.6

Error Variance = 1-CR

AVE > 0.5

* EXCEL 算法文档CR & AVE.xls

* Correlations 三组因素间相关系数均在.75以上，显示出这三个因素间可能有另一个更高阶的共同因素存在。此时采用斜交CFA模型较为适宜。

* 均为正数

如果出现负数，此时CFA测量模型应重新界定。

适配度（Model Fit Summary）

CMIN

* 预设模型（Default model），饱和模型（Saturated model），独立模型（Independence model）都会提供参数，但我们一般都以预设模型列的参数为准。

Baseline Comparisons

RMSEA

AIC

* AIC越小越好

AIC 的参数 default model< saturated model < independence model

Arbuckle, J. L., Marcoulides, G. A., & Schumacker, R. E. (1996). Full information estimation in the presence of incomplete data. Advanced structural equation modeling: Issues and techniques, 243, 277.

未完继续ing~~