跳转到内容

验证性因素分析

来自VeritasWiki 真理百科
验证性因素分析
英文名 Confirmatory Factor Analysis(CFA)
学科归属 心理测量、多元统计
核心含义 检验事先假定的因素结构能否容纳观测数据的方法
与 EFA 的区别 假设先行、约束明确、可整体检验
扩展应用 测量等值、方法学效应、二阶因素
相关条目 探索性因素分析、结构方程模型、构想效度|}

验证性因素分析是检验事先假定的因素结构的方法:研究者事先指明哪些指标属于哪个因素、因素之间是否相关、误差项之间有无关联,然后检验这一完全设定的模型与观测协方差矩阵的匹配程度。

与探索性因素分析的区别不在于"用没用过同一批数据",而在于逻辑方向:探索性分析从数据中找出结构,验证性分析把假定的结构交给数据检验。前者是发现的工具,后者是确证的工具。

模型设定

验证性因素模型的设定包括四个层面。

载荷设定:每个指标载荷于哪些因素。通常每个指标只载荷于一个目标因素(简单结构),其他载荷固定为零——这些零约束正是模型可检验的信息来源。

因素相关设定:因素之间允许相关(斜交)或强制正交。

误差设定:误差项之间默认不相关;若允许特定误差相关,必须有实质理由(如两个题目的措辞高度相似),否则等于给模型开后门。

量尺设定:因素方差固定为一或固定某指标载荷为一,使模型可识别。

设定的每一步都承载理论主张:"这个题目属于这个维度而不属于别的维度"本身就是可检验的命题——验证性分析的价值正在于把这类命题交给数据裁决。

拟合评价与修正

模型拟合的判断与结构方程模型共用同一套指标体系:卡方检验、近似误差均方根、比较拟合指数、标准化残差均方根等。

拟合不佳时的处理需要克制。修正指数提示放宽哪个约束可以改善拟合,但逐条照单全收会把验证性分析退化为数据驱动的重新探索。规范的做法是:修正必须有理论依据;修正后的模型须在独立样本中重新验证;报告应呈现从初始模型到最终模型的完整过程,而非只报终点。

还有一个常见误区是用"近似拟合"为任何一个模型辩护。拟合指标只衡量协方差的整体匹配,不保证每一个参数都有合理解释——载荷为负、共同度极低、因素相关超过 0.9(提示两因素实为一体)这类病态解,即使整体拟合达标也应报告并讨论。

主要扩展应用

验证性因素分析的框架衍生出多个重要应用。

测量等值检验:逐步约束跨群体的载荷、截距相等,判定量表在不同群体(性别、文化、语言版本)中测的是否同一构念。只有等值成立,跨群体均值比较才合法。这是跨文化研究的必经程序。

方法学效应建模:同一批指标可能同时受目标构念与测量方法(自评与他评、正负向措辞)影响。多特质多方法模型与随机截距模型可以分离方法效应,避免把方法方差误认为构念方差——负向措辞题与正向题的分离问题是典型场景。

二阶因素模型:若干一阶因素的高载荷共同因素,用于表达"大五人格下的稳定性维度"这类更高层结构。设定时须保证一阶因素至少三个,否则二阶部分不可识别。

特质状态分解:结合纵向数据,把指标方差分解为稳定的特质成分与波动的状态成分,回答"测量到的是稳定人格还是当下情绪"。

这些扩展的共同点是:它们把"量表测到了什么"这一测量学的根本问题,转化为可检验的统计命题。

对效度论证的意义

验证性因素分析是当代效度论证的核心证据类型之一。

按照当代效度理论,效度不是测验的属性而是分数解释的属性,其证据来自多个来源;因素结构证据回答的是"内部结构是否与构念理论一致":单维构念的量表应拟合单因素模型,多维构念应有清晰的维度区分,维度间相关的模式应与理论预期相符。

需要注意的边界是:因素结构证据只能支持而不能独立确证效度——结构与理论一致,仍需效标关联、收敛与区分证据的配合;反之,某一次因素分析的失败也不必立即推翻构念,可能是样本、题目质量或文化适应的问题。效度论证是累积的、多来源的,因素分析是其中结构合理性的把关环节。

因素分析是其中结构合理性的把关环节。

误用清单

验证性因素分析的高频误用值得以清单形式集中列出。

用探索数据再验证同一批数据:先做 EFA 提炼结构,再用同一样本跑 CFA 检验——同一批数据无法既产生假设又检验假设,结果必然过度乐观。规范做法是分半或换独立样本。

随意放误差相关:为改善拟合在任意两个误差之间画双箭头。每一对误差相关都必须有实质理由(措辞相似、方法共享),并在文中说明。

只用拟合指标不看病理解:载荷方向错误、因素相关 0.95、共同度低于 0.2 的指标满天飞的模型,整体拟合再好也不是有效测量。

等值检验缺失就比均值:跨群体比较潜变量均值却未做测量等值检验,结论可能是测量假象。等值证据应成为跨群体研究的标配。

样本量与模型复杂度失配:二十多个指标、五个因素、三组比较的模型跑在一百人的样本上,估计的抽样波动之大足以使任何结论失效。

这份清单的共同主题是:验证性因素分析把许多隐藏的决策(哪些约束、哪些相关、哪些修正)摆到台面上,规范使用的核心就是把每个决策公开化、理由化。方法本身不会保证严谨,程序透明才会。从这个意义上说,验证性因素分析训练的不只是统计技能,更是测量思维——每一道题、每一个约束、每一次修正,背后都应有一个构念层面的理由。

应用报告的规范要求包括:说明设定依据与模型选择过程、报告全套拟合指标、给出完整载荷与共同度表、对修正过程如实交代。只报"拟合良好"而不给细节的效度研究,无法接受同行的实质审查。

参见

参考资料