变量间的相关或共变关系,但CFA偏重于检验假定的观察变量与假定的潜在变 量间的关系( Everitt和Dumn,2001)。探索性因子分析和验证性因子分析的差异 归纳在表52中( Stevens,1996,p389) 表5.2两种因子分析方法比较 探索性因子分析 验证性因子分析 理论产出 理论检验 理论启发,文献基础薄弱 强势理论或实证基础 决定因子数目 之前分析后因子的数目已经固定 决定因子间是否相关 根据之前的分析固定因子间有相关或无相关 变量可以自由归类所有因子 变量固定归类于某一特定因子 验证性因子分析被使用于检验一组测量变量与一组可以解释测量变量的因 子构念间的关系,CFA允许研究者分析确认事先假设的测量变量与因子间关系 的正确性。通常EFA是利用一组样本来产生测量变量问因子结构,而CFA则是 再从总体中抽取另一组样本来检验假设因子结构的契合度。有些研究者会将样本 数一分为二,以一半的样本数来使用EFA方法产生因子结构,另外一半样本采 用CFA方法来进行模型的正式比较。CFA是SEM家族的一个应用典型,CFA 也可处理因素结构间斜交(因素构念间有相关)及直交的问题(因素构念间没有 相关),此外,还可以分析指标变量间的随机测量误差、指标变量的信度与效度 检验等( Spicer,2005)。 总之,因子分析在实施上至少有下列三方面的功能(林邦杰,1979),或者 进行因子分析要实现的目标:(1)描述性的功能。因子分析能够将数目众多的变 量浓缩成数目较少几个精简变量,这些精简变量即是一般的因子。亦即因子分析 能够以较少因子层面涵括所有的观察变量。(2)提供假设的功能。透过因子分析 可以将杂杂乱无章的变量重新排列组合,理出头绪,此种探索性的功能有助于建 立新的假设、发展性的理论,而此种因子分析即称为探索性因子分析。(3)检验 假设的功能。假定使用者的理论架构已经非常清晰且十分完善,那么就可以利用 因子分析未检验这些理论和假设,此种因子分析即为验证性因子分析。 传统的测验理论或因子分析均是假设潜在变量为“因”,而指标变量为“果”, ①吴明隆.结构方程模型一—AMOS的操作与应用[M]重庆:重庆大学出版社,2009214- 7 - 变量间的相关或共变关系，但 CFA 偏重于检验假定的观察变量与假定的潜在变 量间的关系（Everitt 和 Dunn，2001)。探索性因子分析和验证性因子分析的差异 归纳在表 5.2 中（Stevens，1996，p389）。 表 5.2 两种因子分析方法比较① 探索性因子分析 验证性因子分析 理论产出 理论检验 理论启发，文献基础薄弱 强势理论或实证基础 决定因子数目 之前分析后因子的数目已经固定 决定因子间是否相关 根据之前的分析固定因子间有相关或无相关 变量可以自由归类所有因子 变量固定归类于某一特定因子 验证性因子分析被使用于检验一组测量变量与一组可以解释测量变量的因 子构念间的关系，CFA 允许研究者分析确认事先假设的测量变量与因子间关系 的正确性。通常 EFA 是利用一组样本来产生测量变量问因子结构，而 CFA 则是 再从总体中抽取另一组样本来检验假设因子结构的契合度。有些研究者会将样本 数一分为二，以一半的样本数来使用 EFA 方法产生因子结构，另外一半样本采 用 CFA 方法来进行模型的正式比较。CFA 是 SEM 家族的一个应用典型，CFA 也可处理因素结构间斜交（因素构念间有相关）及直交的问题（因素构念间没有 相关），此外，还可以分析指标变量间的随机测量误差、指标变量的信度与效度 检验等（Spicer，2005）。 总之，因子分析在实施上至少有下列三方面的功能（林邦杰，1979），或者 进行因子分析要实现的目标：（1）描述性的功能。因子分析能够将数目众多的变 量浓缩成数目较少几个精简变量，这些精简变量即是一般的因子。亦即因子分析 能够以较少因子层面涵括所有的观察变量。（2）提供假设的功能。透过因子分析 可以将杂杂乱无章的变量重新排列组合，理出头绪，此种探索性的功能有助于建 立新的假设、发展性的理论，而此种因子分析即称为探索性因子分析。（3）检验 假设的功能。假定使用者的理论架构已经非常清晰且十分完善，那么就可以利用 因子分析未检验这些理论和假设，此种因子分析即为验证性因子分析。 传统的测验理论或因子分析均是假设潜在变量为“因”，而指标变量为“果”， ① 吴明隆. 结构方程模型——AMOS 的操作与应用[M]. 重庆：重庆大学出版社，2009:214