本教程讲解如何利用SPSSAU开展验证性因子分析，该方法常用于评估问卷的聚合效度、区分效度及共同方法偏差，是检验测量模型有效性的重要手段。
1、 登录SPSSAU并上传数据开始分析。
2、 进入问卷研究，选择验证性因子分析功能
3、 将左侧数据拖至右侧分析区域（可按住Shift键批量操作），每个框放入一个因子的题项，因子数量对应框数，完成后点击开始分析。
4、 验证性因子分析可用于检验聚合效度、区分效度及共同方法偏差等问题。
5、 由上表可见，本次验证性因子分析共涉及4个因子及12个观测变量，有效样本量为201，达到分析项数的10倍以上，样本规模适宜，满足分析基本要求。
6、 因子载荷系数反映潜变量与显变量间的相关程度，数值大小表明分析项在对应因子上的关联强度。
7、 从表格数据可见，B1在Factor2上的因子载荷为0.562，低于0.7的标准阈值，表明其与该因子的关联较弱，建议将其从Factor2中剔除。总体来看，所有测量题项均在0.001的显著性水平下显著（P < 0.001），且标准化因子载荷系数除B1外均超过0.7，说明绝大多数测量项与对应潜变量之间具有较强的关联性，各因子能够有效聚合其所涵盖的测量指标，整体模型具备良好的聚合效度，结构合理，测量质量较高。
8、 本研究包含的四个因子（在SPSSAU中默认命名为Factor 1至Factor 4）均表现出良好的聚合效度。各因子的平均方差提取值（AVE）均超过0.5，组合信度（CR）均高于0.7，表明测量模型中各构念的收敛效度理想，潜变量能够有效解释其对应指标的变异，测量工具具备较高的内在一致性和可靠性，数据质量满足实证分析要求。
9、 四个因子的AVE平方根最小值为0.567，高于因子间最大相关系数0.321，表明各因子间具有良好的区分效度，测量变量彼此独立，数据有效性得到支持。
10、 模型拟合指标种类繁多，一般只需常见指标达到基本要求即可，如卡方与自由度比值、GFI、RMSEA、RMR、CFI、NFI及NNFI等。
