本文主要是介绍利用SPSS进行高级统计分析第三期（更新），对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

在第一期中，我们主要介绍了如何对数据进行描述、卡方&T检验、独立样本t检验、相关样本t检验、回归分析；

第二期中，我们介绍了如何进行中介、调节分析，以及方差分析。

在这一期中，我们主要介绍EFA、CFA分析以及结构方程模型。

PS：后台回复关键词“高级统计更新”即可获得所述的PDF原文啦！

一、EFA

1. Spss操作

EFA是降维，也就是将多个变量变成几个维度/因子，常用于量表编制中——将某几道题目聚成一个维度。一方面，需要极强的理论支撑；另一方面，研究者的个人理解、方法选择都会影响结果。 
勾选KMO和球形检验
KMO: Keiser-Meyer-OlkinMeasure of sample adaquacy：体现观测变量间的偏相关性，比较简单相关系数和偏相关系数的大小，0-1之间，需要超过0.6，越大越好。
Bartlett’s test of sphericity(球形检验)，一般相关矩阵中的相关系数必须显著高于0。 
提取因子的方式有很多，请参考前人文献进行选择。 
因子分析中是否需要旋转，根据假设/理论模型中的因子间是否有相关关系进行选择。 

2. 图表解读

 
确认KMO和巴特利特检验后，看总方差解释。
总方差解释主要关注—特征根/特征值：所有变量的因素载荷平方和，针对给定因素的特定值。
对于未旋转的情况，各因子的载荷量及总载荷量均有体现，如下图中，前六个因子共解释了57.64%。
当旋转后，仅有各因子的载荷量，并无总体载荷量。 
接下来是碎石图，主要看拐点，即从某个点开始，斜率出现显著变化。一般要根据前人研究、假设、总方差解释等共同推断。 
接下来是成分矩阵，体现了每个题目与每个因子的相关关系。 
若选择了最大方差法旋转，则需要关注【旋转后的成分矩阵】 

 若选择了直接斜交法旋转，则需要关注【模式矩阵】 
 
对于斜交旋转来说，还可以计算旋转的θ角 

3. EFA小结

本部分的个人倾向较重，相同的数据不同人会得出不同的结果，因此一定要慎重。
在删减题目时，要考虑题目本身的意义，题目在数据上的体现（是否有双重载荷、是否毫无区分度、题总相关是否过低）等等进行删减。
此外，在结果报告时，一定要说明选择的提取方法及旋转方法，方便他人理解。

二、CFA

1. Lisrel操作

使用Lisrel进行数据分析前，需要对数据文件格式进行改变，通过lisrel打开数据文件，另存为psf格式 

DA NI=9 NO=428【DA NI=变量数 NO=被试数】RAW=MIL.psf【RAW=数据文件的名字】MO NX=9 NK=2【MO NX=题目数 NK=维度数】
FR LX 2 1 LX 4 1 LX 7 1 LX 8 1 LX 9 1 LX 1 2 LX 3 2 LX 5 2 LX 6 2 【哪个题目对应哪个维度，如LX 2 1 的意思是，第2题，对应第一个维度】
LK【命名维度】LK1 LK2PD【输出】OU SS MI 或者 DA NI=20 NO=1321 【DA NI=变量数 NO=被试数】RAW=RRESAQ.psf 【RAW=数据文件是哪个？需要另存】MO NX=20 NK=5 【MO NX=题目数 NK=维度数】PA LX 【哪个题目对应哪个维度，如1（0，0，0，0，1）代表了第一题在第五个维度上】
1(0,0,0,0,1)1(0,1,0,0,0)2(0,0,0,0,1)2(1,0,0,0,0)1(0,0,0,1,0)1(0,1,0,0,0)1(1,0,0,0,0)1(0,0,0,1,0)2(1,0,0,0,0)1(0,0,0,0,1)1(0,0,0,1,0)1(1,0,0,0,0)3(0,0,1,0,0)2(0,1,0,0,0)LK 【命名维度】LX1 LX2 LX3 LX4 LX5PD【输出】OU SS MI

2. Lisrel输出

运行后的输出文件直接全选粘贴进word文档，对如下参数进行查找及报告：/df、GFI、RMSEA、CFI、AGFI；
要求：/df < 5Goodness of Fit Index （GFI）> 0.90Root Mean Square Error of Approximation 平均残差（RMSEA）< 0.08Comparative Fit Index (CFI) > 0.90Adjusted Goodness of Fit Index (AGFI) >0.80
或：同时满足：CFI > 0.95；RMSEA < 0.05；/df<3
参考文献：Hu, Li‐tze, & Bentler, P. M. . (1999). Cutoff criteria for fit indexes in covariance structure analysis: conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1-55. 

三、结构方程模型

有一个自变量和一个因变量的

DA NI=6 NO=200ROW=DATASE【SE代表选取里面用哪几个变量】
1 4 5 6/【斜杠要加，先写Y的指标，再写X的指标】MO NX=3 NK=1 NY=1 NE=1 TE=Zero (default=DI，FR)【MO=model，模型NX=X变量的因子数，NK=几个x变量，NY=Y变量的因子数,NE=几个y变量，TE=ZERO：单因子的Y变量的测量误差（x为TE）】
FR LX 1 1 LX 2 1 LX 3 1 LY 1 1 【说明潜变量与显变量的关系，LX1 1 的意思是，第一个显自变量对应对第一个潜自变量】LK【命名左边X】XXXX【X的左边名字】LE【命名右边Y】YYYY【Y的右边名字】
PD【输出】OU AL

一个X，多个Y（中介）

DA NI=9 NO=200【数据情况介绍】LA【对所有变量命名】Y1 Y2 Y3 Z1 Z2 Z3 X1 X2 X3ROW=DATA.dsf【数据文件提取】SESE
1 2 3 4 5 6 7 8 9/【选取变量】
MO NY=6 NE=2 NX=3 NK=1 BE=FU【模型：前六个变量（1-6）对应Y，共产生两个Y；接下来三个（7-9）对应X，产生一个X；BE=FU（BE=SD）：两个Y之间有相关】

FR LX 1 1 LX 2 1 LX 3 1 LY 1 1 LY 2 1 LY 3 1 LY 4 2 LY 5 2 LY 6 2 GA 1 1【第一个X指向第一个Y】GA 2 1【第一个X指向第二个Y】 BE 2 1【算谁与谁之间的相关】
【模型情况：LX 1 1—LY 6 2 表示了显变量与潜变量的关系，1-3个显x变量表达了第一个潜x变量；1-3个显y变量表达了第一个潜y变量；4-6显y变量表达了第二个潜y变量GA 代表了潜变量间的关系； GA 2 1 代表第一个潜x变量指向第二个潜y变量BE 表达的是潜y变量间的关系，BE 2 1 代表第一个潜y变量指向第二个潜y变量】
FI LX 1 1 LY 1 1 LY 4 2【规定固定参数，LX 1 1将第一个显x变量对第一个潜x变量的负荷固定；LY 1 1将第一个显y变量对第一个潜y变量的负荷固定；LY 4 2将第四个显y变量对第二个潜y变量的负荷固定】
VA 1 LX 1 1 LY 1 1 LY 4 2【固定负荷为1，LX 1 1将第一个显x变量对第一个潜x变量的负荷固定；LY 1 1将第一个显y变量对第一个潜y变量的负荷固定；LY 4 2将第四个显y变量对第二个潜y变量的负荷固定】LK【为潜x变量命名】
XXXXLE【为潜y变量命名】YYY1 YYY2PD【输出模型图】OU AL【OU 结果输出】 关于lisrel学习资料的链接：https://bbs.pinggu.org/thread-429130-1-1.htmlhttps://bbs.pinggu.org/forum.php?mod=viewthread&tid=9001&page=1
本期的内容就到此结束啦！

在本期中，我们为大家介绍了EFA、CFA分析以及结构方程模型。

这篇关于利用SPSS进行高级统计分析第三期（更新）的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！