的不同。就EFA而言,测量变量的理论架构是因子分析后的产物,因子结构是 由研究者从一组独立的测量指标或题项之间,主观判断来决定的一个具有计量合 理性与理论适切性的结构,并以该结构来代表所测量的概念内容或构念特质。这 就是说,理论架构的出现在EFA程序中是一个事后概念。相比之下,CFA的进 行则必须有特定的理论观点或概念架构作为基础,然后借由英语程序来确认评估 该理论观点所导出的计量模型是否适当、合理,因此理论架构对CFA的影响是 在分析之前发生的,其计量模型具有先验性,理念是一种事前的概念(邱皓政, 2005)。EFA所要达成的是建立量表或问卷的建构效度,而CFA则是要检验此建 构效度的适切性与真实性 探索性因素分析的目的在于确认量表因子结构或一组变量的模型,经常考虑 的是要决定多少个因子或构念,同时因子负荷量的组型如何。虽然大部分的探索 性因子分析允许事先决定因素的个数,但强制某个变量只归于某一个特定因子则 有其困难。探索性因子分析偏向于理论的产岀,而非理论架构的检验。相反的, 验证性因子分析通常会依据一个严谨的理论,或在实征基础上,允许研究者事先 确认一个正确的因子模型,这个模型通常明确将变量归类于那个因子层面中,并 同时决定因子构念间是相关的,与探索性因子分析相比,验证性因子分析有较多 的理论检验程序。在实际应用上,研究可能同时会使用到探索性因子分析与验证 性因子分析,但有效区分两种分析方法的差异及其适用情境是非常重要的 ( Stevens,1996)。 在量表或问卷编制的预试上,都会先进行探索性因子分析,不断尝试,以求 得到量表最佳的因子结构,建立量表的建构效度。当研究者得知量表或问卷是由 数个不同潜在面向或因子所构成,为了确认量表所包含的因素是否与最初探究的 构念相同,会以不同的样本为对象加以检验。此时量表的各因子与其题项均已固 定,研究者所要探究的是量表的因子结构模型是否与实际搜集的数据契合,指标 变量是否可以有效作为因子构念(潜在变量)的测量变量,此种因子分析的程序, 称为验证性因子分析。 验证性因子分析模型被归类于一般结构方程模型或共变结构模型之中,允许 反映与解释潜在变量,它和一系列的线性方程相连结。与探索性因子分析相比, 验证性因子分析模型较为复杂,但两种模型的基本目标是相似的,皆在解释观察
- 6 - 的不同。就 EFA 而言，测量变量的理论架构是因子分析后的产物，因子结构是 由研究者从一组独立的测量指标或题项之间，主观判断来决定的一个具有计量合 理性与理论适切性的结构，并以该结构来代表所测量的概念内容或构念特质。这 就是说，理论架构的出现在 EFA 程序中是一个事后概念。相比之下，CFA 的进 行则必须有特定的理论观点或概念架构作为基础，然后借由英语程序来确认评估 该理论观点所导出的计量模型是否适当、合理，因此理论架构对 CFA 的影响是 在分析之前发生的，其计量模型具有先验性，理念是一种事前的概念（邱皓政， 2005）。EFA 所要达成的是建立量表或问卷的建构效度，而 CFA 则是要检验此建 构效度的适切性与真实性。 探索性因素分析的目的在于确认量表因子结构或一组变量的模型，经常考虑 的是要决定多少个因子或构念，同时因子负荷量的组型如何。虽然大部分的探索 性因子分析允许事先决定因素的个数，但强制某个变量只归于某一个特定因子则 有其困难。探索性因子分析偏向于理论的产出，而非理论架构的检验。相反的， 验证性因子分析通常会依据一个严谨的理论，或在实征基础上，允许研究者事先 确认一个正确的因子模型，这个模型通常明确将变量归类于那个因子层面中，并 同时决定因子构念间是相关的，与探索性因子分析相比，验证性因子分析有较多 的理论检验程序。在实际应用上，研究可能同时会使用到探索性因子分析与验证 性因子分析，但有效区分两种分析方法的差异及其适用情境是非常重要的 （Stevens，1996）。 在量表或问卷编制的预试上，都会先进行探索性因子分析，不断尝试，以求 得到量表最佳的因子结构，建立量表的建构效度。当研究者得知量表或问卷是由 数个不同潜在面向或因子所构成，为了确认量表所包含的因素是否与最初探究的 构念相同，会以不同的样本为对象加以检验。此时量表的各因子与其题项均已固 定，研究者所要探究的是量表的因子结构模型是否与实际搜集的数据契合，指标 变量是否可以有效作为因子构念（潜在变量）的测量变量，此种因子分析的程序， 称为验证性因子分析。 验证性因子分析模型被归类于一般结构方程模型或共变结构模型之中，允许 反映与解释潜在变量，它和一系列的线性方程相连结。与探索性因子分析相比， 验证性因子分析模型较为复杂，但两种模型的基本目标是相似的，皆在解释观察
变量间的相关或共变关系,但CFA偏重于检验假定的观察变量与假定的潜在变 量间的关系( Everitt和Dumn,2001)。探索性因子分析和验证性因子分析的差异 归纳在表52中( Stevens,1996,p389) 表5.2两种因子分析方法比较 探索性因子分析 验证性因子分析 理论产出 理论检验 理论启发,文献基础薄弱 强势理论或实证基础 决定因子数目 之前分析后因子的数目已经固定 决定因子间是否相关 根据之前的分析固定因子间有相关或无相关 变量可以自由归类所有因子 变量固定归类于某一特定因子 验证性因子分析被使用于检验一组测量变量与一组可以解释测量变量的因 子构念间的关系,CFA允许研究者分析确认事先假设的测量变量与因子间关系 的正确性。通常EFA是利用一组样本来产生测量变量问因子结构,而CFA则是 再从总体中抽取另一组样本来检验假设因子结构的契合度。有些研究者会将样本 数一分为二,以一半的样本数来使用EFA方法产生因子结构,另外一半样本采 用CFA方法来进行模型的正式比较。CFA是SEM家族的一个应用典型,CFA 也可处理因素结构间斜交(因素构念间有相关)及直交的问题(因素构念间没有 相关),此外,还可以分析指标变量间的随机测量误差、指标变量的信度与效度 检验等( Spicer,2005)。 总之,因子分析在实施上至少有下列三方面的功能(林邦杰,1979),或者 进行因子分析要实现的目标:(1)描述性的功能。因子分析能够将数目众多的变 量浓缩成数目较少几个精简变量,这些精简变量即是一般的因子。亦即因子分析 能够以较少因子层面涵括所有的观察变量。(2)提供假设的功能。透过因子分析 可以将杂杂乱无章的变量重新排列组合,理出头绪,此种探索性的功能有助于建 立新的假设、发展性的理论,而此种因子分析即称为探索性因子分析。(3)检验 假设的功能。假定使用者的理论架构已经非常清晰且十分完善,那么就可以利用 因子分析未检验这些理论和假设,此种因子分析即为验证性因子分析。 传统的测验理论或因子分析均是假设潜在变量为“因”,而指标变量为“果”, ①吴明隆.结构方程模型一—AMOS的操作与应用[M]重庆:重庆大学出版社,2009214
- 7 - 变量间的相关或共变关系，但 CFA 偏重于检验假定的观察变量与假定的潜在变 量间的关系（Everitt 和 Dunn，2001)。探索性因子分析和验证性因子分析的差异 归纳在表 5.2 中（Stevens，1996，p389）。 表 5.2 两种因子分析方法比较① 探索性因子分析 验证性因子分析 理论产出 理论检验 理论启发，文献基础薄弱 强势理论或实证基础 决定因子数目 之前分析后因子的数目已经固定 决定因子间是否相关 根据之前的分析固定因子间有相关或无相关 变量可以自由归类所有因子 变量固定归类于某一特定因子 验证性因子分析被使用于检验一组测量变量与一组可以解释测量变量的因 子构念间的关系，CFA 允许研究者分析确认事先假设的测量变量与因子间关系 的正确性。通常 EFA 是利用一组样本来产生测量变量问因子结构，而 CFA 则是 再从总体中抽取另一组样本来检验假设因子结构的契合度。有些研究者会将样本 数一分为二，以一半的样本数来使用 EFA 方法产生因子结构，另外一半样本采 用 CFA 方法来进行模型的正式比较。CFA 是 SEM 家族的一个应用典型，CFA 也可处理因素结构间斜交（因素构念间有相关）及直交的问题（因素构念间没有 相关），此外，还可以分析指标变量间的随机测量误差、指标变量的信度与效度 检验等（Spicer，2005）。 总之，因子分析在实施上至少有下列三方面的功能（林邦杰，1979），或者 进行因子分析要实现的目标：（1）描述性的功能。因子分析能够将数目众多的变 量浓缩成数目较少几个精简变量，这些精简变量即是一般的因子。亦即因子分析 能够以较少因子层面涵括所有的观察变量。（2）提供假设的功能。透过因子分析 可以将杂杂乱无章的变量重新排列组合，理出头绪，此种探索性的功能有助于建 立新的假设、发展性的理论，而此种因子分析即称为探索性因子分析。（3）检验 假设的功能。假定使用者的理论架构已经非常清晰且十分完善，那么就可以利用 因子分析未检验这些理论和假设，此种因子分析即为验证性因子分析。 传统的测验理论或因子分析均是假设潜在变量为“因”，而指标变量为“果”， ① 吴明隆. 结构方程模型——AMOS 的操作与应用[M]. 重庆：重庆大学出版社，2009:214
将此论点用于测验编制上,要把握以下几个原则:①同一构面因子的外显指标其 内部一致性三高;②同一构面因子的测量指标间的相关越高越好;③单一维度构 面中,信度相同的测量指标,本质上是可以替换的;④同一构面内测量指标的相 关应高于构面间测量指标的相关;⑤测量指标线性组合可以取代潜在变量。对于 验证性因子分析在测验编制的应用,学者 Bollen与 Lennox(1991)提出五个观 点供研究者参考:(1)同一构面的测量指标应具有高度一致性的原则只适用于效 果指标(反映性指标),而不适用于原因指标(形成性指标),各原因指标间不 定需要具有同质性。(2)同一构面的测量指标间的相关越高越好只适用于反映性 指标,不适用于形成性指标,因为形成性指标(原因指标)间具有高相关容易产 生多元共线性的问题。(3)单一构面因子中,信度相同的测量指标,本质上是可 以替换的,此原则并不适用于形成性指标,因为各原因指标本质上可能不相同, 删去任何一个原因指标都会破坏原先构面的架构。(4)不管是效果指标还是原因 指标,构面内指标的相关不一定会高于构面间指标的相关,除非是多因素直交模 型,潜在变量间的相关为0。(5)不管是形成指标还是反映性指标,指标的线性 组合都不等于潜在变量 现在回到案例分析。对“英语焦虑”分量表作因子分析,得到表5.3的结果, 其中显示,“英语焦虑”潜变量包含了四个层面,即抽取了四个因子。根据对各 个因子所包含题项的考察,可以为四个因子命名。其中,第一个因子所包含11 个题项均体现了对英语课堂的畏惧心理,可以命名为“课堂焦虑”;第二个因子 所包含的9个题项均与英语解题相关,是英语考试时的焦虑心理,可以命名为“考 试焦虑”;第三个因子的四个题项体现了在英语学习方面的压力,可以命名为“压 力惧怕”;第四个因子的三个题项的共同特征是“情绪担忧”。 表53“英语焦虑”分量表旋转成份矩阵 成份 题项 课题焦虑 考试焦虑 压力惧怕 情绪担忧 a20 643 a23
- 8 - 将此论点用于测验编制上，要把握以下几个原则：①同一构面因子的外显指标其 内部一致性三高；②同一构面因子的测量指标间的相关越高越好；③单一维度构 面中，信度相同的测量指标，本质上是可以替换的；④同一构面内测量指标的相 关应高于构面间测量指标的相关；⑤测量指标线性组合可以取代潜在变量。对于 验证性因子分析在测验编制的应用，学者 Bollen 与 Lennox（1991）提出五个观 点供研究者参考：（1）同一构面的测量指标应具有高度一致性的原则只适用于效 果指标（反映性指标），而不适用于原因指标（形成性指标），各原因指标间不一 定需要具有同质性。（2）同一构面的测量指标间的相关越高越好只适用于反映性 指标，不适用于形成性指标，因为形成性指标（原因指标）间具有高相关容易产 生多元共线性的问题。（3）单一构面因子中，信度相同的测量指标，本质上是可 以替换的，此原则并不适用于形成性指标，因为各原因指标本质上可能不相同， 删去任何一个原因指标都会破坏原先构面的架构。（4）不管是效果指标还是原因 指标，构面内指标的相关不一定会高于构面间指标的相关，除非是多因素直交模 型，潜在变量间的相关为 0。（5）不管是形成指标还是反映性指标，指标的线性 组合都不等于潜在变量。 现在回到案例分析。对“英语焦虑”分量表作因子分析，得到表 5.3 的结果， 其中显示，“英语焦虑”潜变量包含了四个层面，即抽取了四个因子。根据对各 个因子所包含题项的考察，可以为四个因子命名。其中，第一个因子所包含 11 个题项均体现了对英语课堂的畏惧心理，可以命名为“课堂焦虑”；第二个因子 所包含的 9 个题项均与英语解题相关，是英语考试时的焦虑心理，可以命名为“考 试焦虑”；第三个因子的四个题项体现了在英语学习方面的压力，可以命名为“压 力惧怕”；第四个因子的三个题项的共同特征是“情绪担忧”。 表 5.3 “英语焦虑”分量表旋转成份矩阵 题 项 成份 课题焦虑 考试焦虑 压力惧怕 情绪担忧 a25 .735 a24 .680 a20 .668 a6 .643 a23 .642 a21 .617 a26 .598 a7 .595
517 a16 731 a22 a15 a18 .399 542 a10 a11 658 提取方法:主成份。 旋转法:具有 Kaiser标准化的正交旋转法 假定量表均已经过校验,满足建构效度和信度分析要求。得到表53的因子 结构表后,就需要计算各个因子或层面的得分。例如对于第一个因子来讲,计算 其得分时需要将其所包含的全部题项的得分相加。四个构面的得分计算得到后, 将四个构面的得分相加,就得到了“英语焦虑”潜在变量的得分,表54列出了 计算结果。 表5.4“英语焦虑”分量表及各层面汇总 构面/量表 代码 包含题项 题项数 课堂焦虑 claa25+a24+a20+a6+a23+a21+a26+a7+a27+a5+a1911 考试焦虑 exa a16+a17+a14+a22+a15+a8+a18+al3+a12 压力惧怕 fea a1+a4+a3+a2 情绪担忧 wor a10+all+a9 英语焦虑分量表总分 anx cla+exa+fea+wor 27 同理,按照上述因子分析步骤可以得到“英语投入动机”、“英语态度”两个 分量表的汇总情况,见表55。 表5.5分量表及各层面汇总
- 9 - a27 .530 a5 .517 a19 .481 a16 .731 a17 .633 a14 .594 a22 .584 a15 .583 a8 .580 a18 .575 a13 .501 a12 .399 a1 .642 a4 .636 a3 .558 a2 .542 a10 .840 a11 .730 a9 .658 提取方法 :主成份。 旋转法 :具有 Kaiser 标准化的正交旋转法。 假定量表均已经过校验，满足建构效度和信度分析要求。得到表 5.3 的因子 结构表后，就需要计算各个因子或层面的得分。例如对于第一个因子来讲，计算 其得分时需要将其所包含的全部题项的得分相加。四个构面的得分计算得到后， 将四个构面的得分相加，就得到了“英语焦虑”潜在变量的得分，表 5.4 列出了 计算结果。 表 5.4 “英语焦虑”分量表及各层面汇总 构面/量表 代码 包含题项 题项数 课堂焦虑 cla a25+a24+a20+a6+a23+a21+a26+a7+a27+a5+a19 11 考试焦虑 exa a16+a17+a14+a22+a15+a8+a18+a13+a12 9 压力惧怕 fea a1+a4+a3+a2 4 情绪担忧 wor a10+a11+a9 3 英语焦虑分量表总分 anx cla+exa+fea+wor 27 同理，按照上述因子分析步骤可以得到“英语投入动机”、“英语态度”两个 分量表的汇总情况，见表 5.5。 表 5.5 分量表及各层面汇总
量表/构面名称 代码 包含题项 题项数 英语态度分量表 学习信心 con b6+b2+b5+b10+67+b1+b18+b4 有用性 use b9+b17+b12+b20+b29+b30+b13+b19 成功态度 b23+b22+b25+b21+b26+b28 探究动机 mot b16+b11+b14+b3+b8+624+b27+15 英语态度分量表总分 con+use+suc+mot 英语投入动机分量表 工作投入 c2+c3+c6+cl+c4+c5+c9 自我投入 ein c14+c13+c7+c1l+c8+c10+c12 7 投入动机分量表总分 tintin 通过因子分析,对变量及其构面已经有了非常清晰的了解,并借助统计分析 软件计算得到了各个构面及其分量表的得分,接下来就可以根据研究中要解决的 问题进行实证校验了。 研究问题与统计分析方法 尽管表面上看,前述案例所要研究的问题是“英语焦虑”对“英语成绩”的 影响问题,但是,此问题的研究不是简单地了解两个变量之间的影响程度有多大, 而是要把握清楚“英语焦虑”影响“英语成绩”的机理问题。机理硏究是管理学 科学硏究的根本要求,研究者对科学问题的硏究就是要深入分析隐藏在管理问题 现象和事实背后的作用机理,即(1)问题的本质是什么?(2)什么因素在起影 响作用?(3)这些因素产生作用的动力学原理是什么?以及(4)作用力的大小、 方向及其稳定性等。既然需要探索和分析“英语焦虑”对“学习成绩”的影响机 理,就需要明确研究所涉及的问题层次和结构,这对应着新増知识的体系和结构。 根据对“英语焦虑”与“英语成绩”之间影响机理的理论把握和实践认知, 此问题的研究涉及到如下具体的问题,并分别对应着不同的统计分析方法: 1、调查对象在各个变量方面的现状如何? 尽管研究的重要任务是统计推断,但是首要的任务是呈现各类变量的分布情 形和各个量表的基本数据,关键是对“英语焦虑”、“英语投入动机”“英语态度” 等潜在变量,以及“英语成绩”显在变量的现状。现状描述实际是针对相关变量
- 10 - 量表/构面名称 代码 包含题项 题项数 英语态度分量表： 学习信心 con b6+b2+b5+b10+b7+b1+b18+b4 8 有用性 use b9+b17+b12+b20+b29+b30+b13+b19 8 成功态度 suc b23+b22+b25+b21+b26+b28 6 探究动机 mot b16+b11+b14+b3+b8+b24+b27+15 8 英语态度分量表总分 att con+use+suc+mot 30 英语投入动机分量表： 工作投入 tin c2+c3+c6+c1+c4+c5+c9 7 自我投入 ein c14+c13+c7+c11+c8+c10+c12 7 投入动机分量表总分 inv tin+ein 14 通过因子分析，对变量及其构面已经有了非常清晰的了解，并借助统计分析 软件计算得到了各个构面及其分量表的得分，接下来就可以根据研究中要解决的 问题进行实证校验了。 三、研究问题与统计分析方法 尽管表面上看，前述案例所要研究的问题是“英语焦虑”对“英语成绩”的 影响问题，但是，此问题的研究不是简单地了解两个变量之间的影响程度有多大， 而是要把握清楚“英语焦虑”影响“英语成绩”的机理问题。机理研究是管理学 科学研究的根本要求，研究者对科学问题的研究就是要深入分析隐藏在管理问题、 现象和事实背后的作用机理，即（1）问题的本质是什么？（2）什么因素在起影 响作用？（3）这些因素产生作用的动力学原理是什么？以及（4）作用力的大小、 方向及其稳定性等。既然需要探索和分析“英语焦虑”对“学习成绩”的影响机 理，就需要明确研究所涉及的问题层次和结构，这对应着新增知识的体系和结构。 根据对“英语焦虑”与“英语成绩”之间影响机理的理论把握和实践认知， 此问题的研究涉及到如下具体的问题，并分别对应着不同的统计分析方法： 1、调查对象在各个变量方面的现状如何？ 尽管研究的重要任务是统计推断，但是首要的任务是呈现各类变量的分布情 形和各个量表的基本数据，关键是对“英语焦虑”、“英语投入动机”、“英语态度” 等潜在变量，以及“英语成绩”显在变量的现状。现状描述实际是针对相关变量