为什么二阶因子模型的卡方值比一阶小很多

与一阶因素模型相比，二阶因素模型具有较多优点。

但二阶因素模型的测量等价性检验要更复杂，它需要依次进行七个不同水平的检验：形等价、一阶弱等价、二阶弱等价、一阶强等价、二阶强等价、二阶严等价和一阶严等价。

做二阶要满足一些条件：

首先就是理论上，这些一阶因子在理论上可以提炼出一个高阶的因子，比如语文能力，历史能力，政治能力在理论上可以统称为文科能力，最好是有前人的研究为理论支撑，如果没有，自己言之成理也可以，对于结构方程，理论前提十分重要，哪怕你做出了漂亮的模型，但没有合理的论据支持，也不行，所以如果你的多个维度理论上合不成一个更大的概念，就不用二阶

第二就是一阶因子间的相关，需要需要中等以上的相关。这个很好理解，如果一阶因子直接完全独立，毫无关联，那肯定是不能统和起来的，所以再看看维度间的相关高不高

其次，如果你的一阶因子太多了，模型看起来偏复杂，那可以构建二阶模型，可以简化模型，释放自由度

再次，用二阶模型你可以把一阶因子的独特方差从测量误差中分离，如果你需要提取一阶因子的独特方差，那就做个二阶

主要考虑前两点就好了

证明二阶验证性因子分析的意义。

1、根据查询相关资料信息，需先计算目标系数，目标系数的计算是以构面完全有相关模型(结构饱和模型)的卡方值为目标，与二阶模型的卡方值做比较，因此必须执行构面之间的完全相关，与二阶模型的卡方值。

---