验证性因子分析(CFA)
方法简介：验证性因子分析(CFA)用于检验预设的因子结构与实际数据的拟合程度，是量表验证的核心方法。需要预先定义因子结构，系统会评估模型的拟合优度和各因子的信效度。
CFA vs EFA（探索性因子分析）
- EFA（效度分析）：探索数据中的潜在因子结构，不预设模型
- CFA：验证预设的因子结构是否与数据拟合，用于理论模型检验
模型拟合指标
| 指标 |
良好标准 |
可接受标准 |
| CFI | ≥ 0.95 | ≥ 0.90 |
| TLI | ≥ 0.95 | ≥ 0.90 |
| RMSEA | ≤ 0.05 | ≤ 0.08 |
| SRMR | ≤ 0.05 | ≤ 0.08 |
信效度指标
- CR（组合信度）：≥0.7为良好
- AVE（平均方差提取量）：≥0.5为良好
- 因子载荷：≥0.5为可接受，≥0.7为良好
使用 chatspss 进行CFA
"请对我的四因子模型进行验证性因子分析"
"检验量表的因子结构是否与理论模型一致"
适用场景
- 量表验证：检验引用量表在新样本中的结构
- 理论模型检验：验证理论假设的因子结构
- 跨样本验证：检验量表在不同群体中的稳定性
- 学术论文：报告测量模型的质量
相关方法
效度分析(EFA) |
信度分析 |
相关分析
立即使用 chatspss 进行CFA