SPSS在线

SPSSAU共输出12个表格，分别是CFA分析基本汇总表格，因子载荷系数表格，模型AVE和CR指标结果表格，区分效度：Pearson相关与AVE平方根值表格，模型拟合指标表格，因子和测量项- MI指标表格，测量项间MI指标值表格，因子协方差表格，显变量协方差表格，残差项估计值表格，HTMT(异质-单质比率)结果表格和区分效度指标MSV和ASV表格。关于此6个表格的解释说明如下：

从上表可知，本次针对共4个因子，以及20个分析项进行验证性因子分析(CFA)分析。本次分析有效样本量为215，超出分析项数量的10倍，样本量适中。

因子载荷系数值表格展示因子和测量项之间的关联关系，一般查看标准载荷系数值进行分析即可。上表格显示，B1与Factor2之间的因子载荷系数值为0.562

从上格可知：本研究涉及的4个因子（SPSSAU默认给定名字为Factor 1, Factor 2, Factor 3, Factor 4），它们的AVE值全部均大于0.5，而且CR值全部均大于0.7，因而说明本次测量量表数据具有优秀的聚合效度。

从上表格可知：Factor1的AVE平方根值是0.857，大于其与另外3个Factor之间的相关关系(0.700,0.646,0.777)，因而说明其自身的‘聚合性’强于其与‘其它Factor’的关联性，也即说明说明Factor1具有良好的区分效度。除此之外，另外3个Factor也是类似的分析(也得到相同的结论)，因而最终说明4个Factor均具有良好的区分效度水平。

上表格展示模型拟合指标，共分为常用指标和其它指标。常用指标包括卡方自由度比，GFI，RMSEA，RMR，CFI，NFI和NNFI。其它的一些指标通常使用较少，研究人员可结合实际情况进行选择使用即可。

从上表可知：卡方自由度值为3.389，大于3（但小于5），而且GFI小于0.9，RMSEA为0.106接近于0.1这一标准，RMR值为0.091不在标准范围内。综合来看，模型构建欠佳，可能需要模型修正（通常是结合MI指标进行模型修正，下述会说明）。

上表格展示因子与测量项的对应关系MI值，因子与其下属测量项的关系可通过因子载荷系数表格进行查看。MI值并不固定标准大小，一般情况下，该值如果大于20则说明关联性很强。从上表格可以看到，C2与Factor2，Factor4这两个因子间的MI指标均大于15，说明C2与Factor2，Factor4之间可能有着较强的关联性；同时，D5与Factor3之间的MI值为18.123，说明二者有较强的关联性。

综合可知：可考虑将C2，D5这两个指标进行删除（即移除出模型），同时上述因子载荷表格分析还发现B1也可以进行删除。因而将此三项进行删除（移除出模型）后可再次进行模型（限于篇幅限制，SPSSAU并不继续进行分析）。

默认不设置参数，SPSSAU不会输出MI指标值，如果需要则下拉选择输出比如‘MI>10’，即含义为把MI大于10的数据输出；

本案例时让SPSSAU输出‘MI>10’的项，也可以选择比如只输出大于50，大于20等。以及如果表格中没有数据，则说明MI指标均小于该参数值因而无数据。

上表格展示测量项间的MI值，其意义为测量项之间的相关关系大小情况。从上表格可以看到，A2和A1，A5和A3，D2和D1这三组之间的MI值很大（此处大和小是相对值，通常结合实际情况综合来回判断没有固定标准），因而如果需要修正模型，可建立该3组之间的‘测量项协方差关系’。

上表格展示因子与因子之间的关联性，可通过标准系数进行分析。从上表可知，在进行因子协方差表格分析时，本研究共4个因子，他们两两之间的标准系数值均介于0.6~0.85之间，说明因子之间具有较强的关联性。

显变量协方差表格用于展示显变量之间的协方差关系情况，上表格并没有结果，这是由于模型并没有进行调整，没有设置过‘测量项协方差关系’，因而不会有结果，如果有过设置，则展示出显变量之间的协方差关系情况，该表格结果值通常并不特别意义。

残差项估计值表格，展示出各项的残差估计信息，并不特别意义，有些软件比如AMOS软件会将残差估计值默认展示在模型图中，但SPSSAU当前并没有在模型图中展示残差估计值，如果研究者自行绘制模型图，可使用上表格数据信息进行处理。