不同于EFA,在CFA中许多因子荷载是设定为0的。这意味着项目不受这个因子的影响,或者对此无荷载。在标准的CFA模型中,每一个项目只对一个因子有荷载,且测量误差是不相关的。如果一个CFA模型中项目具有交叉的因子荷载那么就是非标准CFA模型。具有交叉荷载的项目是测量工具(量表)不希望看到的东西,这意味着一个复杂的因子结构,而这个结构很难被验证。
一个项目对因子的荷载是视情况而定的而不是固定的。如果在一个模型中增加额外的项目,那么某个项目对于一个因子的荷载可能产生轻微的变化。一般而言,在研究中会报告完全标准化的因子荷载(观察指标和因子均标准化)。一般来讲,0.3可以作为因子荷载大小的临界点,一些研究认为0.32是一个充分的因子荷载临界点,因为这说明这项目拥有最少10%的方差由这个因子解释,0.32^2=0.1。更保守来讲,0.4比较好。但是更重要的是因子荷载必须统计显著,才能被考虑为一个可接受的指标。
一般而言因子载荷是小于1的,但是也有可能超过1。我在使用SEM的过程中也出现过因子荷载大于1的情况,但并这不一定说明搞错了,只有在分析了相关矩阵且因子标准化且不相关(正交)时,因子载荷才是相关。当因子相关(倾斜)时,因子载荷是回归系数,而不是相关性,因此它们可能大于1.0。然而,大于1.0的标准化因子负荷可能表明数据中存在高度的多重共线性。
计算SEM自由度有两种方法:1、 一种是计算数据中observed variables indicators (变量)
之间的相关系数(correlations)的个数,一般用k来表示变量的个数,其相关系数的个数则为 k X
(k–1) / 2。如你的例子中有12个变量,它们之间的相关系数应该有12 X 11 / 2 = 66。
2、另一种是计算数据所有变量之间的variance-covariance (方差-协方差) 的个数,公式为 k X (k + 1) / 2。在本例中,共有
12 X 13 /2 = 78。
3、“模型所需的信息”也有两种对应的算法。与相关系数对应的算法是模型中所需估计的parameters
(参数),包括factor loadings (因子负荷,即λ,本例中有12个)、coefficients of exogenous factors
(自变量因子对因变量因子的影响系数,即γ,本例中有2个)、 coefficients of endogenous factors
(因变量因子对因变量因子的影响系数,即в,本例中有1个),三者相加共有 12 + 2 + 1 = 15个参数需要被估计。
如果按方差-协方差计算的话,那么需要被估计的参数,除了以上的λ、γ和в以外,还需要加上每个errors
of indicators(变量的残差,即δ和ε,本例中有12个),四者相加为 12 + 2 + 1 + 12 = 27。
因子负荷量对应的数值是factor loading.因子载荷 aij 的统计意义就是第i个变量与第 j 个公共因子的相关系数即表示 Xi 依赖 Fj 的份量(比重)。统计学术语称作权,心理学家将它叫做载荷,即表示第 i 个变量在第 j 个公共因子上的负荷,它反映了第 i 个变量在第 j 个公共因子上的相对重要性。
欢迎分享,转载请注明来源:夏雨云
评论列表(0条)