一、amos验证性因子分析步骤？

amos的验证性因子分析步骤如下：

1. (1)打开amos软件。然后首先画出潜变量图。

2. (2)然后利用复制工具,画出需要的潜变量。

3. (3)然后利用显变量工具画出相应的显变量。

4/6

（4）利用旋转工具和魔术棒进行美化。

5/6

（5）利用多向箭头将变量进行联结。

6/6

（6）导入数据，运行模型

二、验证性因子分析的测试步骤？

验证性因子分析的定义：验证性因子分析是对社会调查数据进行的一种统计分析。它测试一个因子与相对应的测度项之间的关系是否符合研究者所设计的理论关系。

验证性因子分析往往通过结构方程建模来测试。在实际科研中，验证性因子分析的过程也就是测度模型的检验过程。

测试步骤：一般来讲，研究者需要先通过SIMPLIS建立测度模型，然后进行拟合。根据拟合的结果，测度模型可能需要调整，抛弃质量差的测度项，然后再拟合，直到模型的拟合度可以接受为止。

可以进行测度模型及包括因子之间关系的结构方程建模并拟合的统计软件有很多，比如LISREL、AMOS、EQS、MPLUS等。其中最常用的是LISREL。在LISREL这个软件中有三种编程语言：PRELIS是用来作数据处理或简单运算，比如作一些回归分析、计算一个样本的协方差矩阵；LISREL是一种矩阵编程语言，它用矩阵的方式来定义我们在测度项与构件、构件之间的关系，然后采用一个估计方法 (比如极大似然估计) 进行模型拟合；SIMPLIS是一种简化的结构方程编程语言，适合行为研究者用。

三、探索性因子分析特殊因子是？

就是不常见又能左右结果的因子。就博彩来说，运气就是特殊因子。

四、验证性因子分析拟合指标及意义？

对验证性因子分析进行介绍。

01 基本原理

不同于探索性因子分析(EFA)的“试错与探索”特征，验证性因子分析(CFA)是使用样本数据对已经根据某些理论、先验知识作出的因子结构假设进行验证的过程。进行验证性因子分析时，根据已有理论建立的因子结构可形成一个估计的协方差矩阵，而基于理论建立量表进行抽样测量的样本资料可形成一个样本协方差矩阵。

拟合优度是检验一个验证性因子分析模型是否成立的重要指标，拟合优度是根据数据得出的模型参数与理论模型的参数值的吻合程度，是检验样本协方差矩阵与估计的协方差矩阵间的相似程度的统计量，理论期望值为1。实际操作中，因子模型的拟合优度越接近于1，说明样本协方差矩阵与估计的协方差矩阵相似程度越大，因子模型拟合度越好。

02 验证性因子分析的使用条件

任何统计方法只有满足一定限度的条件，其使用才是合理的。验证性因子分析是使用数据资料检验理论假设的一种统计方法，关于它的使用条件有如下四个方面：因子模型应具有现实性。建构模型的基础是理论框架以及已有的研究知识，而不是纯粹的数据分析，若理论假设不正确，再好的方法、模型也难以发挥作用。在统计结果不理想时，也不能违背原有的理论假设任意修改模型结构。此外，在等同模型的选取中，不应以与数据的拟合程度为标准，而是选择对学科理论最有意义的模型。

样本的容量。样本的大小会影响到统计检验的效力和参数估计的准确性，在验证性因子分析中，样本容量越大，协方差的准确性越强，统计分析结果也就更可靠。一

五、spss如何做验证性因子分析？

验证性因子分析，是我们已经知道需要将题项分为多少类，每题属于哪一类时，可使用验证性因子分析进行验证。如果没有预期的框架这类明确的概念，就需要采用探索性因子分析，尝试对题项归类，探索因子与对应项关系。

如果可以明确回答这几个问题，

分为多少因子？

题项对应哪个因子？

是否有理论预期？

则可用验证性因子分析；反之，如果研究者没有坚实的理论基础支撑，一般先用探索性因子分析再在此基础上用验证性因子分析，这样的做法是比较科学的。

六、验证性因子分析拟合不好怎么办？

主成分分析属于探索性因子分析(EFA），和验证性因子分析（CFA）不一样，它们基于不同的原理和计算方法，验证性因子分析往往更容易出现比较好的结果，因为它是在你设定好因子结构的情况下去检验这一种结构和你的数据是否拟合，不一定可以拟合你数据的模型只有一种，但只要你的这一种拟合指标好就OK，而探索性因子分析是完全靠数据说话，数据驱动，这当然更不容易获得满意的结果。

如果你主成分分析结果不好，可以尝试直接用验证性因子分析，若是获得满意的结果，可以考虑报告验证性因子分析的结果而不报告主成分分析。

七、什么时候做探索性因子分析分析？

在纬度未知的情况下做探索性因子分析

八、因子分析和相关性分析区别？

前者侧重对和别的主要环节的分析，后者是对各环节互相影响程度的分析，分析方法不同。

九、因子分析相关性矩阵分析？

对SPSS来说，直接用原始的数据就可以进行因子分析，相关系数矩阵只是其生成结果的一部分，根本用不着先输入相关系数矩阵，再去做因子分析，这样SPSS反而做不出来

十、因子分析和主成分分析具有什么性？

因子分析与主成分分析的异同点:都对原始数据进行标准化处理; 都消除了原始指标的相关性对综合评价所造成的信息重复的影响; 构造综合评价时所涉及的权数具有客观性; 在信息损失不大的前提下，减少了评价工作量公共因子比主成分更容易被解释; 因子分析的评价结果没有主成分分析准确; 因子分析比主成分分析的计算工作量大 主成分分析仅仅是变量变换，而因子分析需要构造因子模型。

主成分分析:原始变量的线性组合表示新的综合变量，即主成分；

因子分析：潜在的假想变量和随机影响变量的线性组合表示原始变量。