誰來做驗證性因素分析啊，緊急

探索性因子分析和驗證性因子分析相似。

這兩種型別的因子分析都基於一般因子分析模型，其主要目的是通過多個變數來壓縮資料。

在相關性研究中，可以使用一些假設變數（因子、潛在變數）來表示原始變數（觀測變數）的主要資訊。

探索性因子分析和驗證性因子分析的區別。

1.基本思想是不同的。

探索性因子分析的目的是找出影響觀測變數的因子數量，以及每個因子與每個觀測變數之間的相關性，以揭示一組相對較大的變數的內部結構。 驗證性因素分析的主要目的是做出決定。

預先定義因子以擬合實際資料的模型的能力，以嘗試測試觀測變數的因子數量和因子載荷是否與基於預先建立的理論的預期一致。

2.申請的前提不同。

探索性因素分析沒有先驗資訊，而驗證性因素分析有先驗資訊。

探索性因子分析詳細描述了公因子的數量和觀測變數的分析，但沒有詳細說明這些變數之間關係的結構。 同時，必須有前提：

1.所有公共因素都是相關的（或不相關的）。

2.所有公共因素都直接影響所有觀測變數。

3.獨特因素之間沒有相關性。

4.所有觀測到的變數僅受乙個唯一因子的影響。

5.所有公共因素和所有唯一因素都不相關。

然而，在實踐中，這些前提條件很難滿足，因為這些假設是預先確定的，所以研究者不能修改或改進某個模型引數，只能讓計算機自己處理，研究者的主動性也很難體現出來。 這種模型通常也被稱為 gigo 模型（垃圾進垃圾出）。

2）驗證性因素分析。

驗證性因子分析克服了探索性因子分析的侷限性，研究者可以根據理論或實踐研究的需要來控制條件和引數，如棗。

1.哪些公共因素是相關的。

2.哪個觀察到的變數受哪個公因數的影響。

3.哪個觀察到的變數受哪個垂直和哪個唯一性因子的影響。

4.哪些唯一性因素是相關的。

驗證性因子分析與探索性因子分析的分析過程不同。 探索性因子分析是將不知道性狀結構，然後利用SPSS軟體通過問卷法對性狀結構進行探索，形成具有一定維度的性狀問卷。 驗證性因素分析是找到一組被試物件，用已經探索過的某種結構對問卷進行測試，然後用AMOS來驗證原維度是否符合本次測試的被試。

Nohashi還談到了一種測試問卷是否有效的方法。 毛玉。

絕對！ 首先，驗證性因素分析的前提是所有專案所屬的因素都已歸入液體改造的主要測試中。

這句話可以在莫雷編輯的《心理學研究方法》一書中找到。 然後，進行探索性因子分析（EFA），得到埋葬N因子下所含的坦率物品的N因子和因子負荷。 第三，使用AMOS Graphic製作結構方程。

然後進行驗證性因素分析（CFA）。 完成！

執行第二個訂單需要滿足幾個條件：

首先，從理論上講，這些一階因素在理論上可以提煉出乙個高階因素，比如語言能力、歷史能力、政治能力等，在理論上可以統稱為文科能力，最好有前人的研究作為理論支撐，如果沒有，可以提出理由， 對於結構方程來說，理論前提非常重要，即使你做了乙個漂亮的模型，但沒有合理的論據來支援它，它也不會起作用，所以如果你的多維在理論上不能擬合成乙個更大的概念，你就不需要使用二階。

二是一階因子之間的相關性，需要在中等以上。 這很容易理解，如果一階因子是直接的、完全獨立的、不相關的，那麼它們一定不是統一的，所以讓我們看看維度之間的相關性是否高。

其次，如果你的一階因子太多，模型看起來很複雜，你可以建立乙個二階模型，這樣可以簡化模型並釋放自由度。

同樣，使用二階模型，您可以將一階因子的唯一方差與測量誤差分開，如果需要提取一階因子的唯一方差，則進行二階因子。

最好考慮前兩點。

可以嗎？

殘差不是獨立的，即乙個問題在乙個維度上既測量乙個維度又測量另乙個維度，這與驗證性因子分析的前提相矛盾。