驗證性因素分析簡介和Mplus操作

Muthén, L. K., & Muthén, B. O. (2017). Mplus User’s Guide (Eighth Edition). CA: Muthén & Muthén.

緒論

驗證性因素分析(CFA)和探索性因素分析(EFA)之異同

• 通常先做EFA，再用另一些樣本做CFA
• EFA分析之前並不確定各個觀察變項和因素關係，但CFA分析之前就已經確定
• CFA提供更多檢驗指標，用來檢驗模型的好壞
• CFA並不鼓勵像EFA以數據驅動方式修正模型
• CFA模型通常比EFA模型更加簡潔，通常在CFA中一個觀察變項只能和一個因素有關聯。

驗證性因素分析(CFA)之ML估計法假設:

1. 觀察變項要是連續變項:問卷題目其實很難達到此要求，但只要選項有5個及以上就可以當作連續變項。若是類別變項，則違反此要求，改使用 WLSMV 估計法
2. 多元常態分布:在實務中不容易做到，我們通常看每個觀察變項偏態為2.0，峰度為7.0以下就算符合標準。若違反需要使用MLM(無遺漏值)或MLR(可接受遺漏值和非獨立數據)估計法
3. 數據之間獨立:在複雜研究中，變項之間獨立性可能受到威脅，可以考慮改用MLR(可接受遺漏值和非獨立數據)估計法
4. 樣本數量:樣本數不可太低，通常會希望至少在200以上，模型越複雜要求的樣本數越多

語法操作

二因子且觀察變項為連續

TITLE:  CFA!你的檔案名稱 
DATA:  FILE IS ex5.1.dat; !你的資料檔
VARIABLE:  NAMES ARE y1-y6; !資料檔變項左到右命名為y1-y6
ANALYSIS: ESTIMATOR = ML; !選擇估計方法，可根據資料型態改估計法
MODEL:  
f1 BY y1-y3; !F1因素和Y1-Y3觀察變項有關聯
f2 BY y4-y6; !F2因素和Y4-Y6觀察變項有關聯
OUTPUT: MOD!要求輸出修正指標 
　　　　STDYX;!要求給出標準化係數

• !後面代表附註，給人看的，程式會跳過後面的話。程式就知道你的理論模型長下面這樣。
• 在Mplus 中Output設定為STDYX: 會把觀察變項轉換成z分數，潛在變項的變異量設為1.0來估計參數。
• 若你有遺漏值Mplus會自動採用FIML missing data estimation處理。無論遺漏值是連續或類別。

三因子且觀察變項為連續

TITLE:  CFA!你的檔案名稱
DATA:  FILE IS ex5.1.dat; !你的資料檔
VARIABLE:  NAMES ARE y1-y6; !資料檔變項左到右命名為y1-y6
ANALYSIS: ESTIMATOR = ML; !選擇估計方法，可根據資料型態改估計法
MODEL:
f1 BY y1-y2; 
f2 BY y3-y4; 
f3 BY y5-y6; 
OUTPUT: MOD!要求輸出修正指標
STDYX;!要求給出標準化係數

VARIABLE:  NAMES ARE u1-u6; 
  CATEGORICAL ARE u1-u6;!指定類別變項 
MODEL:  f1 BY u1-u3; 
  f2 BY u4-u6; 

VARIABLE:  NAMES ARE u1-u3 y4-y6; 
  CATEGORICAL ARE u1 u2 u3; 
MODEL:  f1 BY u1-u3; 
  f2 BY y4-y6; 

報表解讀

UNIVARIATE SAMPLE STATISTICS

MODEL FIT INFORMATION

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2009). Multivariate Data Analysis (7 edition). Pearson.

Chi-square (X2) = (N - 1) (Observed sample covariance matrix - CFA estimated covariance matrix)

模型修正

TITLE:  CFA!你的檔案名稱
DATA:  FILE IS ex5.1.dat; !你的資料檔
VARIABLE:  NAMES ARE d1-d10; !資料檔變項左到右命名為d1-d10
ANALYSIS: ESTIMATOR = ML; !選擇估計方法，可根據資料型態改估計法
MODEL:
f1 BY d1-d5; 
f2 BY d6-d10; 
d10 with d6;!D10 跟D6變項殘差連上相關
OUTPUT: MOD!要求輸出修正指標 
　　　　STDYX;!要求給出標準化係數，

MODEL RESULTS

CR和AVE

Composite Reliability(CR)

Average Variance Extracted (AVE)

自動計算