潜变量与显变量概念，验证性因子分析概念，与探索性因子分析的区别.docx

一、潜变量与显变量概念

在SPSSAU(在线SPSS)数据分析中，潜变量和显变量是一对重要的统计术语：

潜变量(LatentVariable)：指不能直接观测到的变量，常见于特殊行为或心理态度的测量。例如满意度、忠诚度、焦虑程度等抽象概念都属于潜变量。在量表问卷中，潜变量就是我们想要研究的核心概念或变量，也称为因子。

显变量(ManifestVariable)：指可以直接观测的变量，是用来测量潜变量的具体指标。在量表问卷中，显变量就是量表的具体题项(题目、题项)。例如测量工作满意度的7个具体问题就是显变量。

二、验证性因子分析(CFA)概念

验证性因子分析(ConfirmatoryFactorAnalysis,CFA)是SPSSAU(网页SPSS)中一种重要的分析方法，其核心目的在于验证潜变量与相对应题项间的关系是否契合研究者初设的理论关系。

CFA模型的特点：

研究者已经基于理论设计出用哪些题项来测量对应的因子

测量不同因子的题项之间没有交叉载荷

因子与题项的关系通过路径图展示，路径系数(载荷)表示因子对题项的影响程度

4.因子之间可能存在相关性，用双箭头连接表示

三、验证性因子分析与探索性因子分析的区别

在SPSSAU数据分析平台中，这两种因子分析的主要区别如下：

1.基本思想不同

探索性因子分析(EFA)：为了找出影响观测变量的因子个数和因子与观测变量之间的相关程度，揭示变量的内在结构

验证性因子分析(CFA)：检验观测变量的因子个数和因子载荷是否与基于预先建立的理论的预期一致

2.应用前提不同

EFA：不必事先知道要用几个因子及各因子和观测变量之间的关系

CFA：要求事先假设因子结构，明确每个因子对应的题项子集和因子数目

3.理论假设不同

EFA假设条件较严格，如所有公共因子都相关或都不相关，所有公共因子都直接影响所有观测变量等

CFA假设更灵活，允许公共因子之间相关或无关，观测变量可以只受部分公共因子影响等

4.主要应用范围不同

EFA主要应用于：

寻求基本结构，解决变量间强相关问题

数据化简

发展测量量表(预调查阶段)

CFA主要应用于：

验证量表的维度或因子结构

验证因子的阶层关系

评估量表的信度和效度(正式量表分析阶段)

5.分析流程不同

EFA：先对数据进行分析，再探索得到结构模型

CFA：先由研究者提出理论上的潜变量与题项的结构关系，再用数据验证该结构

在SPSSAU(在线SPSS)平台的实际应用中，二者既有区别又有联系。例如在新量表编制过程中，通常会先进行EFA探索结构，再用CFA验证结构。这种组合使用可以更全面地评估量表的质量和结构效度。