一，CFA分析时常见的问题
1.因素负荷量不高，如小于0.45
问卷设计不良，缺乏信度；观察变数指定到其他构面
2.因素中负荷量有些超过1
观察变数之间有共线性
3.因素负荷量部分不错大于0.7，部分不佳小于0.5
潜在构面可能不只一个，而是两个潜在构面
4.因素负荷量都不错，大于0.7但模型适配度不佳
残差不独立，即样本不独立
5.因素负荷量为负值
表反向题忘了转向、
6.CFA根本跑不出来
观察变数之间相关太低，观察变数相关为1
二，常用应用实例
1.因素中负荷量有些超过1
在标准化图下系数超过1（1.09），解决办法为将CSSUM题去除
2， 因素负荷量部分不错大于0.7，部分不佳小于0.5
解决如下：
3.因素负荷量都不错，大于0.7但模型适配度不佳（最常遇见的问题）
卡方比值Chi/DF>3,查看修正表
残差不独立即题目相似需建立相关以修正模型，但是这不符合“残差独立”原则，因此可通过去除测量指标解决此问题，因为这样不仅可以达到适配值还可简化模型符合“残差独立”原则，可以看出去除e2可减少更多的卡方值（至少减少值=23.598+10.357+5.833） ，最后如图：