驗證性因子分析，是用於測量因子與測量項(量表題項)之間的對應關系是否與研究者預測保持一致的一種研究方法。盡管因子分析適合任何學科使用，但以社會科學居多。
目前有很多軟件都可以非常便利地實現驗證性因子分析，本文將基於SPSSAU系統進行說明。
驗證性因子分析
Step1：因子分析類型
因子分析可分為兩種類型：探索性因子分析（EFA）和驗證性因子分析（CFA）。
探索性因子分析，主要用於濃縮測量項，將所有題項濃縮提取成幾個概括性因子，達到減少分析次數，減少重復信息的目的。
驗證性因子分析與探索性因子分析相似，兩者區別只在於探索性因子分析(EFA)用於探索因子與測量項之間的對應關系，驗證性因子分析(CFA)用於驗證結果與理論預期是否一致。
Step2：分析思路
在實際研究中，驗證性因子分析常會與結構方程模型、路徑分析等方法聯系到一起，對於不熟悉概念的研究人員容易搞混這些方法，下表對這幾種方法進行簡單說明：
| 方法 |
功能 |
其它說明 |
| 探索性因子分析（EFA） |
研究測量關系 |
適用於非經典量表 |
| 驗證性因子分析（CFA） |
研究測量關系 |
適用於經典量表 |
| 回歸分析 |
研究自變量對一個因變量的影響關系 |
y為定量數據 |
| 路徑分析 |
研究多個自變量與多個因變量之間的影響關系 |
可先用CFA/EFA確定因子與研究項關系，再進行路徑分析 |
| 結構方程模型 |
研究影響關系及測量關系 |
結構方程模型包括兩部分： 驗證性因子分析和路徑分析 |
探索性因子分析：驗證因子與分析項的對應關系，檢驗量表效度，非經典量表通常用探索性因子分析。
驗證性因子分析：驗證因子與分析項的對應關系，檢驗量表效度，成熟量表通常用驗證性因子分析。確認測量關系后，后續可進行路徑分析/線性回歸分析研究具體的影響關系。
路徑分析：用於研究多個自變量與多個因變量影響關系；如果因變量只有一個，可以使用線性回歸分析。
結構方程模型SEM：包括測量關系和影響關系。如果僅包括影響關系，此時稱作路徑分析（Path analysis，有時也稱通徑分析）。通常需要進行探索性因子分析和驗證性因子分析，均保證測量關系無誤之后，再進行結構方程模型構建。
從分析思路上看，建議先用探索性因子分析EFA構建模型，確定存在幾個因子及各分析項與因子的對應關系，再用驗證性因子分析CFA加以檢驗。
Step3：SPSSAU操作
分析步驟
（1）模型設定
首先需要確定因子數及對應分析題項，順序放入分析框內。
模型MI調整：用於修正模型擬合度，一般在模型擬合情況不佳時使用。通常情況下不需要設置。
二階：驗證性因子分析包括一階和二階，絕大多數情況下均為一階驗證性因子分析。如果說驗證性因子分析時為二階模型，可以勾選‘二階’項即可。
（2）模型擬合
因子載荷系數表格
通過因子載荷系數表格可以展示因子(潛變量)與分析項(顯變量)之間的關系情況。如果因子與測量項間的對應關系出現嚴重偏差，或者因子載荷系數值過低，則需要刪除掉該測量項。
分析時主要關注P值及標准載荷系數，建議結合SPSSAU給出的“分析建議”進行分析。
模型擬合指標
模型擬合指標用於整體模型擬合效度情況分析。
常用的擬合值及其判斷標准，都展示在上表中，實際輸出值在標准范圍內及說明模型擬合程度較好。模型擬合指標非常多,通常下很難保證所有指標均達標，只要多數指標達標或接近標准值即可。
*常用指標包括卡方自由度比，GFI，RMSEA，RMR，CFI，NFI和NNFI。
（3）模型修正
根據模型擬合指標情況，評價模型的優劣，如果模型擬合情況不佳，則需要進一步修正模型。
MI指標越大說明該項與其他因子的相關性越強，MI過大時會干擾模型需要進行修正或剔除該項。
模型構建過程需要重復多次，以找到最優模型。同時SPSSAU會自動生成模型結果圖。
（4）模型分析
在完成模型構建后，即可使用模型進行分析。驗證性因子分析主要有三個方面的功能，分別是聚合效度、區分效度、共同方法偏差。
聚合效度
聚合效度，也叫做收斂效度。AVE和CR是用於判斷聚合效度的常用指標，AVE>0.5，並且CR>0.7，則說明具有良好的聚合效度。如果AVE或CR值較低,可考慮移除某因子后重新分析聚合效度。
上圖為SPSSAU輸出的AVE、CR值指標表格，可以根據此表格進行查看。
區分效度
區分效度，常用的做法是將AVE根號值與‘相關系數值’進行對比，SPSSAU也會輸出相應結果。
如果每個因子的AVE根號值均大於“該因子與其它因子的相關系數最大值”，說明具有良好的區分效度。
共同方法偏差
共同方法偏差，SPSSAU提供兩種方法檢驗，一種是探索性因子分析(也稱作Harman單因子檢驗方法)，做法是將所有變量進行探索性因子分析，如果只得出一個因子或者第一個因子的解釋力（方差解釋率）特別大，則判定存在共同方法偏差。
另一種是驗證性因子分析，所有變量全部放在一個因子里面進行分析，如果測量出來顯示模型的擬合指標無法達標，模型擬合不佳，說明所有的測量項並不應該同屬於一個因子，也就說明數據無共同方法偏差問題。
Step4：常見問題
l 驗證性因子分析需要較大的樣本量，通常建議樣本量至少為測量項(量表題)的5倍以上，最好10倍以上，且一般情況下至少需要200個樣本。
l 一個因子對應的測量項最好在5~8個之間，便於后續刪除掉不合理測量項。
l 絕大多數情況下均為一階驗證性因子分析。如果說驗證性因子分析時為二階模型，此時參數處選中‘二階’即可。
總結：
一般來說，使用驗證性因子分析需要有一定的理論基礎支持，如果擬合指標不能達標，最好按照分析思路：探索性因子分析→驗證性因子分析，進行分析。
以及對於不熟悉的步驟，建議大家閱讀SPSSAU幫助手冊中的相關說明以及SPSSAU的教學視頻。