文档介绍:如何用amos做验证性因子分析验证性因素分析是20世纪60年代后从探索性因素分析发展而来的[12]。它可以通过协方差结构模型(CovarianceStructureModeling,CSM)或称结构方程模型(StructureEquationModeling,SEM)实现。对于数据的计算和模型的验证,现已编有多种计算机软件,。在验证性因素分析方法出现之前,对评价中心的构想效度的验证,更多的是用多质多法。对于多质多法的批评意见,主要是认为这种方法以包含测量误差的可观测变量间的相关为基础,来对潜在的结构进行解释,而实际上测量误差每次是不一致的,从而会影响到相关系数,进而影响对潜在结构解释的准确性。验证性因素分析方法则可以解决这个问题,它对误差和相关的变量进行控制,进而得出一个更加令人满意的结果。因而,它很快被公认为一种适宜且通用的评估MTMM数据的方法[12]。在这种方法中,同一特质不同测评方法所决定的因素代表测评的构想效度,而同一测评方法不同测评特质所代表的因素则表明了测评方法的效应。每一个可观测变量均由特质因素、方法因素和测量误差三部分组成。其最大优点在于能对因素的负荷进行固定,并对提出的不同假设模型进行检验。每一种自由负荷的大小反映了问题的所在。如果在能力因素上的自由负荷小且不显著,而在方法因素上的自由负荷大且显著,那么,这种结果就是支持测评方法导向的。反过来,不同测评方法中的同一种能力的因素负荷的值大而且是显著的,那么,就可以认为不同测评方法之间能力的一致性可以得到确认。通过检测这些不同的假设模型,就可以得出评价中心的评分到底是指向测评维度的还是测评方法的。验证性因素分析及其在心理与教育研究中的应用在心理与教育研究中,方法的突破往往是研究取得新进展的一个重要方面。正如班特勒(Bentler,1990)指出:“研究的突破往往在研究方法的变革上。”而心理与教育研究非常复杂,它具有多层面、多指标的特性,常涉及许多变量(包括控制变量、依变量等),如何对多变量的问题进行研究,一直是人们努力的方向,也取得不少突破性的进展。如兴起于六、七十年代,目前已在社会科学领域里得到广泛的应用,并被称为近年来统计学三大进展之一的协方差结构模型方法(covarianstructuremodels,CSM)。①通常协方差结构模型分析由两部分组成,一部分是在心理与教育测量中经常使用的验证性因子模型(验证性因素分析),也可称之为测量模型;另一部分是在经济计量学中使用的结构方程模型。②③顾海根先生已在《上海教育科研》详细介绍了结构方程模型及其在研究中的应用,因而本文拟对验证性因子分析方法及其在心理与教育研究中的应用作一定的说明。一、探索性因素分析与验证性因素分析最早提出因素分析想法的是高尔顿,他奠定了因素分析的基础。其后,斯皮尔曼在研究“一般智力”(generalintelligence)中首次采用了因素分析的数学模型方法,使得因素分析的方法得以真正成为现实。我们知道,因素分析是将多个实测变量转换为少数几个综合指标(或称潜变量),④它反映了一种降维的思想。我们在研究中往往需要对反映事物的多个变量进行观测,收集数据,变量庞大无疑为科学研究提供了丰富的信息,但在一定程度上增加了问题分析的复杂性,由于各变量存在一