探索性因子分析与验证性因子分析比较研究湖北武汉杨丹摘要：探索性因子分析与验证性因子分析是因子分析的两种不同形式。它们都是以普通因子模型为基础,但它们之间也存在着较大差别。本文通过对它们进行比较分析,找出其异同，并对实证分析提供一定的指导根据。核心词：探索性因子分析、验证性因子分析、构造方程模型现实生活中的事物是错综复杂的，在现实的数据中，我们经常碰到的是多元的状况，而不仅仅是单一的自变量和单一的因变量。因此要用到多元的分析办法，而因子分析就是其中一种非常重要的解决降维的办法。它是将含有错综复杂关系的变量（或样品）综合为少数几个因子，以再现原始变量与因子之间的互有关系，同时根据不同因子还能够对变量进行分类。它事实上就是一种用来检查潜在构造是如何影响观察变量的办法。因子分析重要有两种基本形式：探索性因子分析（ExploratoryFactorAnalysis）和验证性因子分析（ConfirmatoryFactorAnalysis）。探索性因子分析（EFA）致力于找出事物内在的本质构造；而验证性因子分析（CFA）是用来检查已知的特定构造与否按照预期的方式产生作用。两者之间是现有联系也有区别的，下面我们就从不同的方面进行分析比较。一、两种因子分析的相似之处两种因子分析都是以普通因子模型为基础的。因子分析的基本思想是通过变量的有关系数矩阵内部构造的研究，找出能控制全部变量的少数几个随机变量去描述多个变量之间的有关关系，但在这里，这少数几个随机变量是不可观察的，普通称为因子。然后根据有关性的大小把变量分组，使得同组内的变量之间有关性较高，但不同组的变量有关性较低。如图１所示，我们假定一种模型，它表明全部的观察变量（变量1到变量5）是一部分受到潜在公共因子（因子1和因子2）影响，一部分受到潜在特殊因子（E1到E5）影响的。而每个因子和每个变量之间的有关程度是不同的，可能某给定因子对于某些变量的影响要比对其它变量的影响大某些。我们能够把图１的因子模型表达成线性函数：其中表达两个因子，它对全部是公有的因子，普通称为公共因子，它们的系数表达第个变量在第个因子上的载荷。表达第个变量不能被前两个因子涉及的部分，称为特殊因子，普通假定。图１不管是探索性因子分析还是验证性因子分析都是为了考察观察变量之间的有关系数和方差协方差。高度有关的观察变量（不管是正有关还是负有关）很可能是受同样的因子影响，而相对来说有关程度不是很高的观察变量很可能是受不同的因子影响的。而因子必须尽量多地解释变量方差，每个变量在每个因子上都有一种因子载荷，因子的意义需由看哪些变量在哪个因子上载荷最大来决定。通过寻找潜在公共因子，并合理解释因子的意义，我们就能揭示错综复杂的事物的内部构造。二、两种因子分析的差别（一）、基本思想的差别因子分析的基本思想是寻找公共因子以达成降维的目的。在寻找公共因子的过程中，与否运用先验信息，产生了探索性因子分析和拟定性因子分析的区别。探索性因子分析是在事先不懂得影响因素的基础上，完全根据资料数据，运用统计软件以一定的原则进行因子分析，最后得出因子的过程。而拟定性因子分析充足运用了先验信息，是在已知因子的状况下检查所收集的数据资料与否按事先预定的构造方式产生作用。因此探索性因子分析重要是为了找出影响观察变量的因子个数，以及各个因子和各个观察变量之间的有关程度；而验证性因子分析的重要目的是决定事前定义因子的模型拟合实际数据的能力。进行探索性因子分析之前，我们不必懂得我们要用几个因子，各个因子和观察变量之间的联系如何；而验证性因子分析规定事先假设因子构造，我们要做的是检查它与否与观察数据一致。F1F2V1V2V3V4V5E1E2E3E5E4探索性因子分析试图揭示一套相对比较大的变量的内在构造。研究者的假定是每个批示变量都与某个因子匹配。这是因子分析最普通的形式。没有先验理论形式。没有先验理论，只能通过因子载荷凭知觉推断数据的因子构造。验证性因子分析试图检查观察变量的因子个数和因子载荷与否与基于预先建立的理论的预期一致。批示变量是基于先验理论选出的，而因子分析是用来看它们与否如预期的同样。研究...
