8第八讲--心理问卷编制的验证性因素分析

第八讲心理问卷编制的验证性分析1在心理学的研究中，编制心理测量问卷是一项经常要遇到的工作。我们所编制的问卷是否有效、准确、经得起检验？在以往的问卷编制往往是仅做试题分析，信度效度检验。这里我们将讲述一种验证性因素分析方法（ConfirmatoryFactorAnalysis,CFA）。当分析我们编制的问卷是否验证某一心理理论，或者是否符合原来预计心理测量构想，或者验证某一量表的结构效度，我们就需要进行验证性因素分析。2验证性因素分析的定义是依据一定的理论对潜在变量与观察变量间关系做出合理的假设并对这种假设进行统计检验的多元统计方法。验证性因素分析的基本思路验证性因素分析是在对研究问题有所了解的基础上进行的，这种了解可建立在理论研究、实验研究或两者结合的基础上。在CFA中，研究者可以根据已有的知识与经验来假设一部分因素的负荷或因素相关，并进一步检验假设模型成立与否。例如：编制大学生时间管理问卷。根据黄希庭教授的时间意识理论，将时间意识分为时间管理意识、时间管理计划、时间管理优先、时间管理的反馈调节、时间管理效能这几个层面，并分别进行了编制试题进行测量。进行施测后，分析测量是否符合原来的理论设想。3因素名称试题试题数量因素1（时间管理意识）第1～5题5题因素2（时间管理计划）第6～13题8题因素3（时间管理优先）第14～19题6题因素4（时间管理的反馈调节）第20～23题4题因素5（时间管理效能）第24～30题7题总体30题4与之相类似的一种因素分析方法，是探索性因素分析方法探索性因素分析探索性因素分析试图通过多个可观测变量间的相关，探查不可观测变量的属性。但EFA只考虑了数据间的纯数字特征而没有任何的理论前提，由于因素的数量以及因素间的关系都是未知的，所以所有的因素负荷、因素相关、唯一性方差等均是待估参数。例如：《大学生择业心理问卷》，通过大量的访谈、文献调查，收集了大量的试题，并进行调查，获取实测数据，以探索性因素分析方法来分析大学生的择业心理，探查有几个因素维度，各个因素上有哪些试题。也就是说，择业心理问卷的心理维度以及对应试题都还没有确定。在本讲中，将主要讲述验证性因素分析方法。5在本讲的主要内容：一、测验总信度和各个因素的信度分析二、AMOS软件基本操作三、验证因素分析的步骤与实例分析6【例】以《大学生时间管理量表》为例，对问卷中总量表、以及每个因子的信度分别检验；并对该量表的因素结构进行验证性因素分析。量表的编制设想如下：因素名称试题试题数量因素1（时间管理意识）第1～5题5因素2（时间管理计划）第6～13题8因素3（时间管理优先）第14～19题6因素4（时间管理的反馈调节）第20～23题4因素5（时间管理效能）第24～30题7总体307测量后获得数据结构如下：8一、测验信度分析具有较高的测验信度，特别是内部一致性信度，这是进行验证性因素分析的前提条件。如果内部一致性信度低，验证性因素分析也就没有意义。内部一致性信度分析的操作步骤：①点击Analyze菜单Scale中的ReliabilityAnalysis...项，弹出ReliabilityAnalysis对话框。②点击信度估计方法的下拉列表，选择Alpha：计算α的值。③分别计算总量表、各个分量表的Alpha系数。9因素名称试题试题数量Alpha系数因素1（时间管理意识）第1～5题50.7445因素2（时间管理计划）第6～13题80.8641因素3（时间管理优先）第14～19题60.8058因素4（时间管理的反馈调节）第20～23题40.7445因素5（时间管理效能）第24～30题70.8349总体300.8929大学生时间管理量表的信度分析从表可以看到，Alpha系数均在0.7以上，且总量表的Cronbach’sAlpha系数达到了0.8929，表明此量表的因子内部一致性较高。10二、AMOS软件的基本使用安装Amos软件后，从开始→所有程序→Amos7.0→AmosGraphics。选择Amosgraphics11进入Amos工作界面工具栏绘图区域1213这六个图标，是6个主要物件。14这六个图标，是6个参数估计及分析图保存。1516（1）选择绘图工具例如：单击工具栏选择DrawLatentVariablesandIndicators工具，单击此按钮使它激活。其他按钮也是如此选择。17移动鼠标到绘图区，通过按住鼠标键绘制椭圆。一旦对绘制的椭圆感到满意，单击椭圆图两下，出现带两个观测因子的潜在变量。（2）绘制模型图18选择RotateIndicators按钮，点击潜在变量的椭圆。两个指示因子和他们的残差顺时针旋转90度。再次点击该对象，指示因子再旋转90度。（3）图形旋转19也许潜在变量和观测变量靠得太近，或接近绘图区域的边缘，要向中间移动它们，点击PreserveSymmetries按钮。接下来，点击红色车厢工具（MoveObjects）。（4）调整图形位置20继续单击DrawLatentVariablesandIndicators按钮。再单击椭圆物件，完成三个观测变量及残差的模型绘制。（5）增加观测变量1111继续单击椭圆物件，可以增加到5个观测变量及残差的模型绘制。21（6）模型复制点击PreserveSymmetries按钮后，继续选择Copy按钮。点击椭圆对象后，直接拖动鼠标，可以完成的复制上述图像。2223单击按钮。再将鼠标移动到所要删除的对象，则会出现红色变色，再单击左键，既可完成删除。（7）删除对象24（8）移动全部图形25三、验证性因子分析的步骤与实例分析以下继续以《大学生时间管理量表》为例子，来进一步说明验证性因素分析方法在AMOS软件使用实现。26在Amos中进行验证性因子分析的步骤1、绘制假设模型2、选取数据库3、选取变量4、潜变量命名5、选择分析方法•6、检查相关设定•7、执行分析•8、检视最终解•9、检视报表•10、存档结束分析271、绘制假设模型在AMOS软件的绘图区，绘制图形的两个步骤：（1）使用图标，绘制潜变量及观测变量及误差项（2）再根据图形情况，进行必要的图形调整。28129注意在该图形中，已经就有的路径系数标识为1。这是为什么呢？因为潜变量的方差和与它关联的回归系数取决于变量的测量单位，但刚开始是不知道的。比如说要估计误差的回归系数同时也估计误差的方差，就好像说“我买了10块钱的黄瓜，然后你就推测有几根黄瓜，每根黄瓜多少钱”，这是不可能实现的，因为没有足够的信息。如何告诉你“我买了10块钱的黄瓜，有5根”，你便可以推出每根黄瓜2块钱。30对潜变量，必须给它们指定一个数值，要么是与潜变量有关的回归系数，要么是它的方差。对误差项的处理也是一样。一旦做完这些处理，其它系数在模型中就可以被估计。在这里我们把与误差项关联的路径系数设为1，再从潜变量指向观测变量的路径中选一条把它设为1。这样就给每个潜变量设置了测量尺度，如果没有这个测量尺度，模型是不确定的。有了这些尺度约束，模型就可以识别了。312选取数据库将研究数据整理出适合SEM分析的数据库类型。最直接方便的是原始数据库（但要先整理数据库，缺失值替代）。(另外一种方法是,取用测量变量的相关或协方差矩阵。)32要将数据读入到Amos中，从File菜单选择DataFiles。2.1数据库读取界面或者，单击工具按钮弹出对话框点击，弹出选择文件的对话框，选择数据库文件。33单击“Viewdata”按钮可以查看数据库（如果是sav数据电脑上必须安装spss软件），单击“ok”按钮，回到主窗口。选取数据文件34单击工具栏中“listvariabledataset”按钮，将会在绘图区显示如下对话框：3选取变量依次把观测变量ａ1至ａ30拖入相应方框354.1对五个椭圆表的潜在变量分别命名为“管理意识、管理计划、管理优先、反馈调节、管理效能”。具体操作如下：右键单击椭圆对象，弹出对话框后，选择“objectproperties”。4、潜变量命名输入潜变量的标签名称。36使用命名后往往会出现变量图形不对称的现象，这时，可以适当移动图形，再使用这个图标，再点击所需要调整对称状况的对象，以实现变量的对称。374.2残差的命名单击菜单栏plugins→nameunobservedvariables。单击此命令后，图形中所有未命名的变量将都会给予命名。385选择分析方法5.1单击“Analysisproperties”按钮，进行“Estimation”分析选项设置。使用原始数据，都需要估计平均数和截距。395.2此外还进一步在“0utput”选项进行设置，本例选择如下：40单击drawcovariances（doubleheadedarrows），在两个潜变量之间建立共变关系链接。6检查相关设定验证性因素分析一般是使用共变分析链接。如果是结构方程模型，则有因果关系链接。41其他选项选择默认值。点击“calculateestimates”按钮，得到分析结果。Chi-square=752.17执行分析428检视最终解：参数估计图点击图标，可以察看有关参数估计值。如右图：439报表解读点击按钮图标，即可打开参数估计报表。接下来就讲解报表的主要内容。44变量摘要显示模型中所有变量，观测变量有30个，非观测变量35个共有65个变量。外生变量35个，内生变量30个。外生变量是指不受其他变量影响的变量。内生变量至少受到模型中一个变量的影响的变量。变量汇总45WeightsCovariancesVariancesMeansInterceptsTotalFixed35000035Labeled000000Unlabeled251035030100Total601035030135原始数据所需要产生的方差、和截距各30个。方差的数量，是30再加上5个潜变量的方差。五个潜变量之间两两相关的协方差。35个外生变量参数概括Parametersummary30个观测变量的系数，其中有5个固定为1，还有25个变量的系数未定。。46模型记录NotesforModel(Defaultmodel)Chi-square，卡方拟合指数：原假设是模型协方差阵等于样本协方差阵。如果模型拟合的好，卡方值应该不显著。卡方检验的问题是样本越大，越可能拒绝模型。卡方统计量仅仅是作为一个参考指标。本例中，自由度为395；卡方值752.106。P值小于0.05，拒绝原模型。计算卡方自由度比=752.106/395=1.904，小于2（判断标准），从这个角度看，可以认为模型基本上是适合的。47参数估计（因子载荷及其他参数估计）（1）未标准化的回归系数由F1到a5的路径系数，固定为1由左到右依次是：回归系数估计值，估计值对应的标准误，临界比（回归系数的估计值除以它的标准误），回归系数对应的P值。48参数估计（因子载荷及其他参数估计）（2）标准化的回归系数标准化的回归系数值为0.763，表示潜在因素F2对测量指标a8的直接效果值为0.763，其预测力为0.763x0.763=0.582。因素负荷量值愈大，表示指标变量能被构念解释的变异愈大，指标变量能有效反映其要测得的构念特质。49因素负荷的判断标准因子载荷（λ）λ的平方评价状况0.7150％优秀0.6340％非常好0.5530％好0.4520％普通0.3210％不好0.32以下不及格50以上三个表格的形式与回归系数的形式相似：由左到右依次是：估计值，估计值对应的标准误，临界比（估计值除以它的标准误），估计值对应的P值。截距协方差方差51ModelFitSummary模型拟合度分析（1）卡方值卡方值/自由度要求2CMIN为或者说是卡方值，最小样本差异值。如果CMIN对应的P值小于0.05，我们拒绝样本数据完全拟合模型的原假设。对大样本，原假设非常可能被拒绝。按照这个标准，本例中这个模型作为完整拟合被拒绝。CMIN/DF是卡方值除以自由度。被称之为相对卡方或规范卡方，卡方自由度比。是当相对卡方大于2或3时，保守的使用就需要拒绝模型。按照此标准，这个模型应被接受。