1樓：du知道君
看你的研究目的，如果只是初步瞭解因子結構你就沒有必要做驗證分析，但如果想要確認最初的因子結構是否有效，則需要做驗證性因子分析。（南心網spss因子分析）
探索性和驗證性因素分析之間需要修改量表嗎
2樓：楊風遊
1.最近做了一個量表的調查，但是在設計的時候，量表維度和指標對應上其實已經有了想法，但是用探索性因子分析做出來後和實際不符合，這該怎麼辦呀？
答：編制量表，一般都是根據已經理論或概念編制題項，經初測後進行專案分析以刪除不符合測量學要求（如決斷值，題總相關等），接著可以進行探索性因子分析，分析過程中也需要刪除因素負荷值過小（一般為小於0.4）題項，然後進行因子抽取，根據具體因子間關係決定採用何種旋轉方法，得到結構矩陣，確定量表的結果（就是你的題項的維度歸屬）。
這裡面因為被試作答，或著題項本身內容等原因，探索出來的結構和設想中的結構有區別，這也是正常的。解決方法：一種是重新增加或修改題項內容後再施測，再做探索性因子分析；另外一種是，採用你現在所探索出來的結構作為量表的結構。
個人認為做研究主要是解決實際問題，要根據你的研究目標選擇具體的方法。不一定死扣方法。
2.假如我按照探索性因子分析的維度和指標構建對應關係，那還需要做驗證型分析嗎？
答：需要的，探索性因子分析得出的結構，只能說明從你所測的這批樣本中分析得出題項間的關係。為了驗證你所得到的因子關係具有穩定性，必須選取另外的初試重新進行測試，以新樣本資料進行驗證性因子分析，根據資料擬合指標來判斷模型是否適用。
3.這是不是代表我設計的量表有問題，在量表設計時是以「全」為標準，還是基於一個理論。
答：量表一般是以某一理論或概念為基礎，也就是你所編制的題目可以測量出你想要測量的潛在因子（即效度），並且量表的題項具有信度，即穩定、一致性。不是說你編制的量表的題項越多越好，測量指標不佳的題項必須刪除的，一般一個因子（維度）下有3道題目即可。
探索性因素分析和驗證性因素分析的區別
3樓：匿名使用者
探索性因子分析（efa）與驗證性因子分析（cfa），二者的區別在於，驗證性因子分析(cfa)用於驗證對應關係，探索性因子分析(efa)用於探索因子與測量項(量表題項)之間的對應關係。
如果是成熟的量表，研究者可同時使用驗證性因子分析cfa，和探索性因子分析(簡稱因子分析,efa)驗證量表的效度。
如果量表的權威性較弱，通常使用探索性因子分析(efa)進行探索因子，或者效度檢驗分析。
兩種方法均可在spssau中操作分析，結合智慧分析建議更便於理解。
4樓：僅此而已重
探索性因子分析和驗證性因子分析相同之處
兩種因子分析都是以普通因子分析模型作為理論基礎,其主要目的都是濃縮資料，通過對諸多變數
的相關性研究,可以用假想的少數幾個變數（因子，潛變數)來表示原來變數(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差異之處
1.基本思想不同
探索性因子分析主要是為了找出影響觀測變數的因子個數,以及各個因子和各個觀測變數之間的相關程度,以試圖揭示一套相對比較大的變數的內在結構。而驗證性因子分析的主要目的是決定
事前定義因子的模型擬合實際資料的能力,以試圖檢驗觀測變數的因子個數和因子載荷是否與基於預先建立的理論的預期一致。
2.應用前提不同
探索性因子分析沒有先驗資訊,而驗證性因子分析有先驗資訊。
詳情見:
驗證性因子分析和探索性因子分析以及結構方程模型
可以考慮用主成分進入模型或用二階模型表示。南心網 amos資料分析 探索性因素分析和驗證性因素分析的區別 探索性因子分析 efa 與驗證性因子分析 cfa 二者的區別在於,驗證性因子分析 cfa 用於驗證對應關係,探索性因子分析 efa 用於探索因子與測量項 量表題項 之間的對應關係。如果是成熟的量...
因子分析方法
因子分析是一種多變數化簡技術，目的是分解原始變數，從中歸納出潛在的 類別 相關性較強的指標歸為一類，不同類間變數的相關性較低，每一類變數代表了一個 共同因子 即一種內在結構，因子分析就是要尋找該結構。其分析方法有很多種，最常用的有兩種 一是主成分分析方法 另外一種是一般因子分析法。通常所說的因子分析...
如何用spss做主成分分析和因子分析
主成分分析可以理解為一種資料的處理理論，也可以理解為一種應用方法。而因子分析則可以理解為一種應用方法，因為做因子分析採用的比較多的就是用主成分分析的方法來濃縮因子。所以 其實所謂的區別只不過是在學科研究當中存在的，因為同屬於統計學的理論，所以一定要找出兩者的區別來。但是如果你只是應用的話，那就沒必要...