在进行Harman验证性因子分析时，如果研究共同方法偏差的各个拟合指数均在可接受范围内，可以认为共同方法偏差影响较小。如果分析结果显示所用测量项目的负荷因子拟合指数都不理想，可以考虑设定一个公因子数量，通过模型拟合良好与否来判断是否存在一个能够解释大部分变异的公共因子，使得研究中的所有测量项目都能加载到这个共同因子上。我使用了Lisrel软件来进行这一过程。
具体而言，首先需要通过Lisrel软件建立模型，然后进行因子分析。如果模型整体拟合良好，即各个测量项目的负荷因子值均符合期望值，说明存在一个公共因子能够解释数据的主要变异。这种情况下，可以认为研究中的测量项目主要受一个共同因子的影响，从而降低了共同方法偏差的风险。然而，如果模型拟合不佳，可能需要重新审视研究设计或调整模型结构。
在实践中，通常会先进行主成分分析（PCA）作为初步探索性分析，再通过验证性因子分析（CFA）来检验模型结构的有效性。PCA能够帮助识别出主要的潜在因子，而CFA则用于验证这些因子是否能够准确解释数据。Lisrel作为专门用于结构方程模型分析的软件，在执行这些步骤时非常有用。通过设定合理的公因子数量，并检查模型的拟合度指标，可以确保研究结果的可靠性和有效性。
需要注意的是，虽然Lisrel提供了强大的统计工具，但在实际应用中仍需结合研究背景和理论基础来解释分析结果。此外，模型拟合良好并不意味着完全排除了共同方法偏差，仍需进一步验证和探讨。因此，建议结合多种方法和技术进行综合分析，以确保研究结论的科学性和严谨性。
下载本文
