Amos—探索性因子分析

AMOS.TIME

No.1内容

探索性因子分析

1.对不同时点的潜变量进行建模

2.修正指数和CR系数的使用

3.对多个模型进行比较

4.CR系数和修正指数的不同

No.2例题

探索性因子分析

一项1966年和1971年对932人的跟踪调查

数据说明：

建立的第一个模型：

下面是这个模型的运行结果：通过文字报告可以看出卡方值为71.554，p值小于0.05，很显然这个模型是不合理的。

No.3模型修正

探索性因子分析

下面我们给出两种模型优化的方法：一种是修正指数法，另一种是CR系数法。

模型修正1：放宽假定，查看修正指数（修正指数的应用要结合学科理论的知识）

步骤1：View→Analysis Properties

步骤2：Output标签栏

步骤3：取值：卡方值下降的保守估计

步骤4：从最大的MI开始

步骤5：勾选修正指数，默认为4，即大于4的会被选中，小于4的会被忽略。

我们看到进行模型修正后，我们如果假设eps2和delta1相关，卡方值保守估计会下降5.905，par Change时二者参数的关系。所以我们肯定从卡方值数下降最大的进行相关。我们不难看出当eps1和eps3进行相关时下降得最多，所以我们将这两个变量进行相关得到模型b。

我们可以看到将eps1和eps3相关，可以看到卡方值下降到6.383，p值为0.271，模型得到很大的优化。

模型修正2：添加新的约束

步骤1：view→AnalysisProperties,output中设置

步骤2：考虑最小的CR开始，

当然我们要从最小的CR系数开始考虑，从下表不难看出Par-14和par-15是CR系数最小的。

我们可以看到Par-14和par-15是eps4和delta1,所以说如果通过CR系数进行优化，我们优先选择0.077，但从实际理论出发我们并不知道这两个变量之间有什么联系。所以我们要另选两个参数。所以我们选择参数1和参数2，我们可以看出他们是可以得到合理的理论解释。

我们将小于1.96且能得到理论解释的都用CR系数法进行修正。建立新的模型c。

我们可以看到模型c的卡方值为7.501，p值为0.484。

No.4 模型比较

探索性因子分析

从p值上看，模型b和模型c都是可以接受的，那么我们如何选取模型？

步骤1：我们假设模型c是正确的

步骤2: 用模型c的卡方值减去模型b的卡方值即（dfc-dfb）

步骤3：pchisp(7.501-6.383,8-5(两个模型的自由度的差))=0.7727>0.05,不拒绝模型c

所以模型c是要优于模型b的。

No.5CR系数法和修正指数法的不同

探索性因子分析

修正指数：增加参数，虽减少了自由度。但卡方值下降

CR系数法：增加约束，卡方值虽然小幅增加，但换来自由度大幅增加。

无论是CR系数法或者修正指数法都需要结合实际的学科理论知识进行。