你们好，最近小时空发现有诸多的小伙伴们对于SPSS验证性因子检验，验证性因子分析这个问题都颇为感兴趣的，今天小活为大家梳理了下，一起往下看看吧。
1、 因子分析不仅可以浓缩项目，还可以检验量表的效度。效度有很多种，如内容效度、结构效度、聚合(收敛)效度、区分效度等等。每个名称之间的区别解释如下：
2、 如果是非经典量表，通常采用探索性因素分析(EFA)来验证其效度，一般称为结构效度分析。同时将采用内容效度进行分析，即用文字描述量表的来源设计过程，以论证研究量表的有效性。
3、 如果是需要验证的经典量表，在已经具备良好的结构效度和内容效度的情况下，可以使用CFA进行深度分析，即聚合(收敛)效度和区分效度分析。
4、 聚合效度又称收敛效度，强调那些本应属于同一因子(指标)的测量项目在测量时确实落在同一因子之下。
5、 如果目的是分析聚合(收敛)有效性，可以使用AVE和CR两个指标进行分析。如果各因子的AVE值大于0.5，CR值大于0.7，则说明具有良好的聚合效度。
6、 同时，一般要求每个测量项目对应的因子加载值大于0.7。有时，它可能与模型拟合指数和模型MI值校正相结合，以得出更好的结论。
7、 如果目的是分析判别有效性，可以将AVE根数值与相关分析结果进行比较。如果每个因子的AVE根数值大于“该因子与其他因子的最大相关系数”，则具有良好的判别效度。为了更好的表达，用下图来表示：
8、 常用方法偏差是指由于一些测量的外部因素造成的数据的集中偏差。换句话说，测量的差异是由研究本身(或其他)造成的，比如测量工具、问题形成或测量环境。
9、 如果目的是进行CMV分析，通常的做法是将所有测量项目(即所有因素对应的测量量表项目)放入一个因素中，然后进行分析。如果测量结果显示模型的拟合指标，如卡方自由度比、
10、 RMSEA、RMR、CFI等。达不到标准，说明模型拟合不好，也就是所有测量的项目不应该属于同一个因子(放在一起就是模型不好)，从而说明数据中不存在常见的方法偏差问题。
以上就是验证性因子分析这篇文章的一些介绍，希望对大家有所帮助。