单维度量表验证性因子分析_验证性因子分析.ppt
验证性因子分析概要
Confirmatory Factor Analysis 内容提要 1 前言 2 验证性因子分析 3 关于样本 4 应用实例 因子分析概述(factor analysis) 用于分析影响变量或支配变量的共同因子有几个,且各因子本质为何的一种统计方法 是一类降维相关分析技术,考察一组变量(指标)之间的协方差或相关系数结构,并用于解释这些变量与少数因子(潜变量)之间的关系 事先未知,确定因子的维数——探索性因子分析(EFA) 根据某些理论或其他先验知识对可能的个数或因子结构作出假设——验证性因子分析(CFA) 概念间的关系 探索性与验证性因子分析的比较 探索性因子分析的分析步骤 收集观测变量。 获得协方差阵(或相关系数矩阵) 确定因子个数:Kaiser准则、Screen检验 依据具体的假设,决定因子个数; 用尽可能少的因子解释尽可能多的方差。 提取因子:主成分法、最小二乘法、最大似然法 因子旋转: 因子载荷阵的不唯一性,可对因子进行旋转,使因子结构朝合理方向趋近。 旋转方法:正交、斜交旋转等,常用方差最大化正交旋转 解释因子结构:依据因子载荷大小作出解释,并赋予因子特定含义 因子得分:公共因子代表原始变量,更利于描述研究对象的特征 验证性因子分析步骤 定义因子模型 搜集数据 获得协方差矩阵或相关系数矩阵 模型估计 模型评价 选择模型 1 验证性因子分析 CFA属于结构方程模型 (SEM with latent variables)的子模型,CFA分析的数学原理与统计程序,都是SEM的特殊应用。 CFA:必須有特定理论依据或概念构架作为基础,然后藉由数学语言来确认该理论所导出的计量模型是否合理适当。 CFA的参数估计采用“最大似然估计”,而非矩阵分解,其优点在于 提供模型拟合优度统计量 提供参数估计的标准误 1.1 CFA的应用 (一)检验因子模型的拟合优度 透过验证性因子分析,可针对特定的因子模型评价拟合优度,并验证其理论构架。 例:研究者欲研究父母的社会经济地位如何影响学生在学校和工作中的表现,采用问卷调查了3094名学生 5个指标: X1是母亲的学历等级(1~6) X2是父亲的学历等级(1~6) X3是父母的工资总收入等级(1~10) Y1是学生的大学学分等级(1~4) Y2是学生毕业5年后的工资等级(1~10) 单因子模型(测量模型) Table 1 相关系数矩阵 CFA可计算模型拟合优度指标,以验证因子模型是否适合样本资料的相关结构; 通过CFA,可检查因子结构与可靠度 (测量信度); CFA可提供信度及效度(收敛效度与区分效度)分析。如上例:相关系数高,可知测量结果应具有一致性。 (二)评价信度与构念效度 CFA可以使用模型拟合优度统计量(如χ2)与相关拟合优度指标(GFI、AGFI)来衡量变量的信度与(reliability)与效度(validity)。 信度:观测变量与潜变量之间的相关程度(>0.70) 效度:可分下列两种 收敛效度(convergent validity):对相同特性(construct, concept, or research variables)使用不同衡量方法(Likert scale, Stapel scale, or semantic differential),所得结果高度相关。 区分效度(discriminant validity):不同构念(construct) 彼此之间确实不相同。 Multitrait–multimethod matrix (多重特質多重方法) 1. 李克特尺度(Likert scale): Strongly Generally Moderately Moderately Generally Strongly Agree Agree Agree Disagree Disagree Disagree “Selection is wide.” ____ ____ ____ ____ ____ ____ 2. 语言差异尺度: Extremely Quite Slight Slight Quite Exremely Wide Selection ____
单维度量表验证性因子分析_验证性因子分析.ppt相关推荐
- 单维度量表验证性因子分析_验证性因子分析CFA.ppt
* 因子分析 用于分析影响变量或支配变量的共同因子有几个,且各因子本质为何的一种统计方法 是一类降维相关分析技术,考察一组变量(指标)之间的协方差或相关系数结构,并用于解释这些变量与少数因子(潜变量) ...
- 学业情绪量表数据的基本处理与SPSS分析思路
学业情绪量表是心理学.教育学中常用的量表,目前有三个版本比较流行,一个是董妍和俞国良编制的<青少年学业情绪问卷>,另一个是马惠霞编制的<大学生一般学业情绪量表>,还有一个是蔡淑 ...
- mysql门店分析_用MySQL分析某餐饮业数据 并用杜邦分析图标展示
用MySQL分析某餐饮业数据 展示结果如下: 数据分析 1.餐饮业订单单号详情数据 682条订单信息 2.具体点菜明细数据 ...
- 转录组分析_转录组+?分析+?实验=2区文章
随着高通量测序技术的发展,越来越多的研究者或多或少的做了一些测序项目,其中尤以转录组测序类最多. 今天小编就给大家带来一篇2月28日发表在BMC Plant Biology(影响因子3.93,中科院分 ...
- 各类软件马斯洛需求层次分析_需求的分析层次
各类软件马斯洛需求层次分析 When I joined Square, I was embedded on a product that had been in-market for a year b ...
- python灰色关联度分析_灰色关联分析法 python
广告关闭 腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! 本文2290字,预计阅读需10分钟: 关联分析(association anal ...
- 转录组分析_高级转录组分析和R数据可视化
封面来源:https://www.zhihu.com/question/304747766 常规转录组是我们最常接触到的一种高通量测序数据类型,其实验方法成熟,花费较低,是大部分CNS必备的技术,以后 ...
- python酒店评论分析_酒店舆情分析
Python进行携程酒店评论舆情分析 第一步:分析设计 我们是对酒店进行舆情分析,所有我们的核心是酒店的评论数据:对住客的评论数据进行特征提取,通过住客对酒店的评分,对数据进行分类,并使用朴素贝叶斯算 ...
- java获取表主外键_通过 jdbc 分析数据库中的表结构和主键外键
文章转自:http://ivan4126.blog.163.com/blog/static/20949109220137753214811/ 在某项目中用到了 hibernate ,大家都知道 hib ...
- rostcm6情感分析案例分析_卷积情感分析
这是一个面向小白(比如,本人)的关于情感分析的系列教程 [1].老鸽子整理了"4 - Convolutional Sentiment Analysis.ipynb"中的内容. 本文 ...
最新文章
- ValueError: not enough values to unpack (expected 3, got 0)问题
- linux ftp显示进度条,在Python中显示FTP下载进度(ProgressBar)
- 节后综合征疗愈神器,这个开源项目帮你10分钟上手AI算法开发!
- List集合与Array数组之间的互相转换
- 【Android 插件化】插件化简介 ( 组件化与插件化 )
- 优化 AWSTATS N种方法验证
- Codeforces Round #570 (Div. 3)
- 左神算法:未排序正数数组中累加和为给定值的最长子数组长度(Java版)
- angular 注入器配置_Angular依赖注入介绍
- 【踩坑速记】开源日历控件,顺便全面解析开源库打包发布到Bintray/Jcenter全过程(新),让开源更简单~...
- 飞鸽传书谈哈希表之数学原理
- Matlab/Simulink Embedded Coder一个非常迷幻的问题
- Studio用布局编辑器设计UI界面
- 2.4.U-Boot配置和编译过程详解-U-Boot和系统移植第4部分视频课程笔记
- switch内部执行顺序
- SpringMVC的数据请求
- 划水小老虎的mysql学习路线
- Python 和matlab 关于DMD(动态模态分解)的实现和对比 21/06/08
- 信息熵、相对熵(KL散度)、交叉熵、条件熵、互信息、联合熵
- 像外行一样思考 像专家一样实践