因子分析可以分为两种：探索性因子分析和验证性因子分析。可利用SPSSAU完成这两种分析。
工具/原料
spssau
data
效度分析
1、因子分析除了可以浓缩题项，也用于检验量表效度。效度有很多种，比如内容效度，结构效度，聚合(收敛)效度，区分效度等。各个名称的区别说明如下：
2、如果是非经典量表，通常会使用探索性因子分析(EFA)进行效度验证,该验证方法一般称作结构效度分析。同时还会使用内容效度进行分析即用文字描述量表的来源设计过程等，用于论证研究量表的有效性。
3、如果是经典量表需要进行效度验证，在已经具备良好的结构效度和内容效度的情况下，可使用CFA进行深入分析，即进行聚合(收敛)效度和区分效度分析。
4、聚合(收敛)效度分析聚合效度，又称收敛效度，强调那些应属于同一因子（指标）下的测量项，测量时确实落在同一因子下面。如果目的在于进行聚合(收敛)效度分析，则可使用AVE和CR这两个指标进行分析，如果每个因子的AVE值大于0.5，并且CR值大于0.7，则说明具有良好的聚合效度，同时一般还要求每个测量项对应的因子载荷系数（factor loading）值大于0.7。有时候还可能会结合模型拟合指标，以及进行模型MI值修正，以达到更好的结论。
5、区分效度区分效度，强调本不应该在同一因子（指标）下的测量项，测量时确实不在同一因子下面。如果目的在于进行区分效度分析，则可使用AVE根号值和相关分析结果进行对比，如果每个因子的AVE根号值均大于“该因子与其它因子的相关系数最大值”，此时则具有良好的区分效度，为更好表述，使用下图展示：
6、共同方法偏差(CMV)共同方法偏差，是指由于测量外部的某些因素导致数据出现集中的偏差。换句话说，测量的差异是由于研究本身（或其他），如测量工具、问题构成或测量环境等导致的。如果目的在于进行共同方法偏差(CMV)分析，常见的做法为：将所有的测量项(即所有因子对应的测量量表题项)放在一个因子里面，然后进行分析，如果测量出来显示模型的拟合指标，比如卡方自由度比，RMSEA,RMR,CFI等无法达标，则说明模型拟合不佳，即说明所有的测量项并不应该同属于一个因子(放在一起时模型不好)，因而说明数据无共同方法偏差问题。
