验证性因子分析(二)
一、效度分析
效度分析(即问卷有效性分析)是指测量结果与试图要达到的目标之间的接近程度,即一个测验对其所要测量的理论结构或特质测量到什么程度的估计,其中结构效度是最强有力的效度测定程序,该方法可客观地观察测量结果的数据结构与问卷的设计是否相符,它是指测验能说明理论构想的结构或特质的程度,或者用某种结构或特质来解释测量分数的恰当程度,其着重点是测验本身、测验赖以编制起来的心理结构或特质能力。用因子分析方法来评价量表的结构效度是一个比较公认的方法,而因子分析可以分为探索性因子分析与验证性因子分析(李跃平和黄子杰,2007)。一般针对成熟学者量表,我们采用验证性因子分析即可。
二、具体情况具体分析
在上一篇文章中,我们主要描述了第一种情况,即问卷中没有多维度量表,也不存在包含四项及以上题项的维度,本文将继续就具体情况进行分析。
第一类:假设模型中所有变量都为单维度量表
情况二:不妨假设有自变量EL,因变量EE,中介变量OI,且三个变量都为单维度量表,其中EL有五个题项,EE有四个题项,OI有三个题项。
变量 | 维度 | 题项 |
A | 1 | 5 |
B | 1 | 4 |
C | 1 | 3 |
第一步:应用AMOS 23.0,在绘图区构建模型如下。
第二步:由于该模型中存在包含四个题项以上的量表,因此需对这些量表进行单独汇报。除了整体模型的效度检验结果,还需汇报EL与EE两个变量(题项大于等于4项)的效度检验结果,如下。
首先依据图2模型确定因子载荷值、CR值、AVE值、整体拟合度等数据,而后绘制对题项多于3项的量表进行单独的检验,结构方程模型图如下
而后依次点击“Analysis Properties - Estimation - Estimate means and intercepts - Output - Modification indices - Indirect, direct & total effects - Tests for normality and outliers”(图5、图6)→ Calculate estimate → View
第三步:进行区别效度检验,首先利用SPSS进行相关性分析,而后计算AVE值的平方根并进行比较。
三、汇报模板
变量 | 题项 | 因子载荷 | CR | AVE | 整体适配度指标 |
A | A1 | 0.678 | 0.8942 | 0.6304 | |
A2 | 0.789 | ||||
A3 | 0.776 | ||||
A4 | 0.802 | ||||
A5 | 0.908 | ||||
B | B1 | 0.839 | 0.877 | 0.6409 | |
B2 | 0.811 | ||||
B3 | 0.791 | ||||
B4 | 0.759 | ||||
C | C1 | 0.689 | 0.8333 | 0.627 | |
C2 | 0.808 | ||||
C3 | 0.868 |
变量 | M | SD | 1 | 2 | 3 |
A | 3.7560 | 0.6731 | 0.794 | ||
B | 3.4409 | 0.7789 | 0.557** | 0.801 | |
C | 3.8256 | 0.7393 | 0.605** | 0.556** | 0.792 |
注:*表示p<0.05,**表示p<0.01,***表示p<0.001。
运用AMOS23.0对A与B进行验证性因子分析,结果表明A的模型拟合度较优
B的模型拟合度亦较优
整体拟合度良好
此外,各变量的解释方差均在70%以上。同时CFA结果表明,各题项的因子载荷为0.678~0.908,均大于0.65,各潜变量AVE值为0.627~0.6409,均大于0.60,各潜变量CR值为0.8333~0.8942,均大于0.80,表明模型具有较好的聚合效度;AVE的平方根均大于其所在行与列的潜变量的相关系数绝对值,表明模型具有较好的区别效度。
参考文献
[1]李跃平,黄子杰.验证性因子分析在量表结构效度考核中作用[J].中国公共卫生,2007(10):1198-1199.
[2]蒋小花,沈卓之,张楠楠,廖洪秀,徐海燕.问卷的信度和效度分析[J].现代预防医学,2010,37(03):429-431.
验证性因子分析(二)相关推荐
- 快速掌握验证性因子分析
验证性因子分析(confirmatory factor analysis, CFA)是结构方程模型的一种最常见的应用. 验证性因子分析(confirmatory factor analysis, CF ...
- AMOS分析技术:斜交验证性因子分析;介绍如何整理出能够放入论文的模型信效度结果
基础准备 上一篇文章我们介绍了验证性因子分析的概念和分析逻辑,以及通过验证性因子分析可以直接或间接的得到哪些问卷数据的信度与效度指标,大家可以点击下方的文章名称回顾: AMOS分析技术:验证性因子分析 ...
- AMOS分析技术:正交验证性因子分析;模型拟合质量好,模型就一定好吗?
基础准备 前面草堂君介绍了斜交验证性因子分析的操作过程以及如何将分析结果整理成论文需要的发表格式,大家可以点击下方文章链接回顾: AMOS分析技术:斜交验证性因子分析:介绍如何整理出能够放入论文的模型 ...
- 验证性因子分析(CFA)全流程
案例与数据 某研究者想要研究关于教师懈怠感的课题,教师懈怠感是指教师在教育情境的要求下,由于无法有效应对工作压力与挫折而产生的情绪低落.态度消极状态,这种状态甚至会引发心理.生理的困扰,终至对教育工作 ...
- SPSS学习笔记——验证性因子分析
预分析: 1.先把标准差<0.75,接近于0.75的题目删 掉 2.做信度分析--分维度做 [分析]- [度量]- [可靠性分析] 描述性的都要选[项][度量][如果项已删除则进行度量] 删除与 ...
- R语言有RStan的多维验证性因子分析(CFA)
如果您已经熟悉RStan,那么您需要组合的基本概念是具有相关随机斜率和异方差误差的标准多级模型. 我将R代码嵌入到演示中.所需的包是lavaan,lme4和RStan. 我喜欢将大多数统计方法理解为回 ...
- 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) ...
- 如何使用SPSS Amos进行验证性因子分析(CFA)和Bootstrap检验中介效应
如何使用SPSS Amos进行验证性因子分析(CFA)和Bootstrap检验 准备 验证性因子分析 Bootstrap检验中介效应 相关链接 准备 分析前需要安装并激活SPSS Amos软件,这里以 ...
- 用lavaan包进行验证性因子分析
文章目录 安装 The model syntax 示例:验证性因子分析(CFA) 建立模型 拟合模型fit 统计拟合情况 用lavaan包进行cfa分析总结 cfa是验证性因子分析的缩写,常常用于检验 ...
- 验证性因子分析拟合指标说明
判断构建模型优劣与否是CFA的重要内容,各类拟合指标的高低又影响着模型的整体评价. 然而模型拟合指标有那么多,具体每个指标代表什么意思?它们的判断标准又是什么?往往是一顿操作猛如虎,一看结果啥不懂.别 ...
最新文章
- Tomcat 原理篇
- 04_Weblogic之受管服务器:配置受管服务器,启动受管服务器,解决因为强制关闭Weblogic之后导致启动有问题的问题,配置boot.properties
- java call oracle procudure setBoolean问题PLS-00306: wrong number or types of arguments in call to
- 卷文件系统根目录仅剩余0字节_Linux Ext4文件系统的老祖宗长什么样
- 企业级rancher搭建Kubernetes(采用rancher管理平台搭建k8s)
- 5.14 js对象 函数 js操作document对象
- linux进程退出没有log,Linux下应用进程消失原因分析-Go语言中文社区
- Ubuntu apt update(apt-get update)报错、失败
- jquery基础知识(二)
- 基于观察者模式——创建显示天气数据
- asp.net 通过context.RewritePath和ashx开发接口
- html显示时间,并且实时刷新(详细代码)
- 微信支付(PC扫码支付和H5公众号支付)
- DM数据库密码策略和登录限制设置
- python dateutil安装_Python时间处理-dateutil模块
- Sublime Text 比较2个文件不同
- ADNI-MRI-PET-ANALYSIS
- 支付宝第三方登录接口 php,PHP调用支付宝支付接口操作步骤
- 信息系统高级项目管理师英语词汇(二)-常见项目管理词汇
- 【Android】【打开方式】Android11用其它应用打开微信文件