艾吖法 Spss-AIA 数据分析平台 一键出 CFA / SEM

CFA 与结构方程模型(SEM)样本量要求和拟合指标标准

验证性因子分析(CFA)检验"测量模型是否成立",结构方程模型(SEM)在它之上再检验"变量之间的关系是否成立"。这两类分析的审稿意见集中卡在三个地方:样本量够不够、拟合指标怎么报告、效度指标怎么给。本文把标准一次列清。

一、样本量:三条经验规则

  1. 题项倍数法:有效样本量至少为题项数的 5 倍,最好达到 10 倍。例如 20 个题项,理想样本量 200 例以上。
  2. 绝对量下限:一般建议不低于 200 例;模型复杂(潜变量多、路径多)时需更大,有研究建议 300 例以上更稳。
  3. 参数比:样本量应远大于待估参数个数(常见建议 10:1 以上)。自由度越少、模型越饱和,越容易因样本不足而不收敛。
几个容易踩的坑:① 有效样本不等于发放份数,要剔除规律作答、填答时间过短的问卷;② 数据不满足多元正态时不要硬用极大似然估计(ML),可考虑稳健估计或 Bootstrap;③ 样本量不足时模型可能"提示最优"但结果不稳定,别只看一次拟合结果。

二、拟合指标:阈值表

指标良好可接受说明
χ²/df(卡方自由度比)< 33 – 5受样本量影响大,样本越大越容易显著,需结合其他指标
RMSEA< 0.05< 0.08近似误差均方根,报告时给出 90% 置信区间更好
CFI(比较拟合指数)> 0.95> 0.90与基线模型比较的增量指标
TLI(非规范拟合指数)> 0.95> 0.90对模型复杂度有惩罚,小样本时可能偏低
SRMR(标准化残差均方根)< 0.05< 0.08残差角度的绝对拟合指标
GFI / AGFI> 0.95 / > 0.90> 0.90 / > 0.85部分期刊仍要求报告
报告原则:不要只挑好看的指标报。规范的写法是同时给出 χ²、df、χ²/df、RMSEA、CFI、TLI、SRMR,然后指出哪几项达到良好、哪几项处于可接受区间。若把 AIC/BIC 用于模型比较,要说明是同一批数据的竞争模型对比。

三、效度指标:AVE、CR 与区分效度

收敛效度(Convergent Validity)

区分效度(Discriminant Validity)

常用 Fornell-Larcker 判据:每个潜变量 AVE 的平方根,要大于该变量与其他所有潜变量的相关系数。论文里通常用一张对角线上是 AVE 平方根、下三角是相关系数的表来呈现。

报告 AVE 与 AVE 平方根时,注意小数位一致(一般三位小数),且 AVE 平方根要保留三位小数后再与相关系数比较——直接拿两位数比较容易被审稿人质疑。

四、模型不拟合怎么办:按顺序修正

  1. 先查测量模型:载荷过低(< 0.50)或跨载荷的题项优先处理,这是最常见原因。
  2. 参考修正指数(MI):MI 较大提示两个误差项相关或某条路径被遗漏,据此逐步释放参数;每次只改一处并记录理由,不要为了拟合而大量释放。
  3. 检查维度设定:二阶模型或维度合并是否更贴合数据,需有理论依据。
  4. 检查估计方法:数据非正态时换稳健 ML 或 Bootstrap;有序类别题项考虑 WLSMV。
  5. 样本与数据质量:样本不足、含有异常值或规律作答,拟合指标会系统性变差,先回到数据本身处理。
红线:修正必须能解释成"模型设定错误",不能纯粹为了提高 CFI 而释放参数。论文里要写明每一步修正的依据与修正后的指标变化。

五、论文里怎么写(可直接套用)

示例表述:「验证性因子分析结果显示,测量模型拟合良好(χ² = 312.48,df = 164,χ²/df = 1.91,RMSEA = 0.048,CFI = 0.962,TLI = 0.956,SRMR = 0.041)。各潜变量的标准化因子载荷介于 0.62~0.85 之间,CR 值介于 0.82~0.91,AVE 值介于 0.58~0.71,均达到建议标准,表明测量模型具有良好的收敛效度。各潜变量 AVE 的平方根均大于其与其他潜变量的相关系数,区分效度得到支持。」

表格上一般会给「测量模型拟合指标表」「信度与效度检验表(含 CR、AVE、AVE 平方根)」,格式要求见论文三线表规范。

用艾吖法一键出 CFA / SEM 报告

上传数据、指定潜变量与题项,直接输出拟合指标表、载荷表、CR / AVE 与区分效度表,并配解读文字;数字由统计引擎硬编码计算、与 SPSS / AMOS 口径对照一致,Word 与 Excel 双格式导出。

开始 CFA / SEM 分析