统计百科 ·
验证性因子分析CFA的APA报告模板 — 标准化载荷、CFI/TLI/RMSEA/SRMR、AVE/CR全解
统计百科：CFA标准化因子载荷怎么写进论文？本文给出APA 7th规范下CFA完整报告模板，涵盖标准化载荷（λ）、CFI/TLI/RMSEA/SRMR四大拟合指数、AVE与CR区分效度指标的写法、截距约束模型比较，以及可直接复制进论文的逐段报告句式。
做完CFA，最头疼的不是跑模型，而是写报告：标准化载荷要不要全列出来、四个拟合指数哪个必报、AVE和CR放结果表还是正文、模型比较的卡方差怎么写……这篇文章只做一件事：给出APA 7th规范下CFA报告的完整模板，覆盖单因子、多因子、高阶CFA和测量不变性检验四种场景，所有句式可直接复制进论文。
你的CFA报告有这些问题吗？
审稿人或导师针对CFA报告最常见的反馈：
- "标准化载荷需全部报告，不能只说'均显著'"
- "CFI > .95只是一个参考标准，还需要同时满足RMSEA < .06和SRMR < .08"
- "AVE < .50时不满足收敛效度，请修改或说明"
- "模型比较的卡方差检验（Δχ²）缺少自由度和p值"
- "修正指数（MI > 10）引发的路径修改须在方法章节加以说明"
- "测量不变性结论缺乏依据，需报告配置模型、度量不变性模型、标量不变性模型的拟合对比"
这些问题集中在CFA报告的格式和逻辑上，而非统计原理本身。本文专攻"CFA怎么写进论文"这一格式问题。
如果你正在做SEM路径系数的报告，建议同时参考姊妹篇 SEM拟合指数的APA报告写法。
一、CFA核心指标速览
在进入报告模板之前，先梳理CFA报告必须涉及的四类指标及其判断标准。
1.1 标准化因子载荷（λ，Standardized Factor Loading）
因子载荷表示潜变量对观测变量的影响强度，即潜变量解释该观测变量多少比例的方差：
$\lambda^2 = R^2_{\text{item}}$
- 可接受：λ ≥ .40（建议 ≥ .50，理想 ≥ .70）
- APA格式：λ = .72（两位小数，不加前导零）
- 所有载荷须达统计显著（t > 1.96 或 SE对应p < .05）
1.2 四大绝对/增量拟合指数
| 指数 | 含义 | 可接受标准 | 良好标准 |
|---|---|---|---|
| CFI（比较拟合指数） | 模型比零模型的改善量 | ≥ .90 | ≥ .95 |
| TLI（Tucker-Lewis指数） | 对模型复杂度惩罚后的CFI | ≥ .90 | ≥ .95 |
| RMSEA（均方根近似误差） | 近似误差，越小越好 | ≤ .08 | ≤ .06 |
| SRMR（标准化均方根残差） | 残差矩阵均值，越小越好 | ≤ .10 | ≤ .08 |
APA 7th建议至少报告CFI、RMSEA及其90%置信区间，TLI和SRMR作为补充。
1.3 AVE与CR（收敛效度与组合信度）
| 指标 | 公式 | 判断标准 |
|---|---|---|
| AVE（平均方差提取量） | $\text{AVE} = \frac{\sum\lambda^2}{n}$（n为题项数） | ≥ .50（Fornell & Larcker, 1981） |
| CR（组合信度） | $\text{CR} = \frac{(\sum\lambda)^2}{(\sum\lambda)^2 + \sum(1-\lambda^2)}$ | ≥ .70 |
区分效度判断：各因子的AVE平方根 > 该因子与其他所有因子的相关系数（Fornell-Larcker准则）。HTMT准则（< .85，严格标准 < .90）是更新的替代方案。
二、APA 7th格式规范：CFA报告必须包含的要素
必报要素清单
| 要素 | 格式要求 |
|---|---|
| 模型χ²（含df和p值） | χ²(df) = X.XX, p [值] |
| CFI、TLI | 两位小数，不加前导零 |
| RMSEA（含90% CI） | RMSEA = .XXX, 90% CI [.XXX, .XXX] |
| SRMR | 两位小数 |
| 全部标准化因子载荷 | 表格或正文，含SE/t值 |
| AVE和CR（每个因子） | 表格形式，两位小数 |
| 修正指数处理说明 | 若有路径修改，须在方法章节说明 |
精度与格式规则
- χ²、CFI、TLI精确到两位小数
- RMSEA和SRMR精确到三位小数（如 RMSEA = .053）
- 置信区间用方括号：90% CI [.038, .068]
- p值不加前导零：p = .032 而非 p = 0.032；p = .000改为 p < .001
- 标准化载荷和相关系数不加前导零（.72不写0.72）
三、各场景完整APA报告模板
场景一：单因子CFA（一维量表验证）
情形：10题项的单维量表，N = 350，检验一因子结构。
完整报告段落模板：
对[量表名称]进行验证性因子分析（CFA），以检验其单因子结构的适配性。
采用最大似然估计法（ML），模型拟合结果显示：χ²([df]) = X.XX，p [值]，
CFI = .XX，TLI = .XX，RMSEA = .XXX，90% CI [.XXX, .XXX]，SRMR = .XXX。
上述指数满足[Hu & Bentler, 1999 / 研究领域惯例]建议的可接受标准
（CFI ≥ .95，RMSEA ≤ .06，SRMR ≤ .08），表明单因子模型对数据拟合良好。
所有题项的标准化因子载荷介于 .XX 至 .XX 之间（均 p < .001），
组合信度（CR = .XX）和平均方差提取量（AVE = .XX）均满足
Fornell 与 Larcker（1981）建议的标准（CR ≥ .70，AVE ≥ .50）。
填入数值的示例：
对自我效能感量表（10题）进行单因子验证性因子分析，采用最大似然估计法。模型拟合指数显示：χ²(35) = 68.42，p < .001，CFI = .971，TLI = .962，RMSEA = .052，90% CI [.034, .070]，SRMR = .043。各项拟合指数均达到Hu与Bentler（1999）建议的良好标准（CFI ≥ .95，RMSEA ≤ .06，SRMR ≤ .08），表明单因子结构模型对数据拟合良好。标准化因子载荷范围为 .58 至 .84（均 p < .001），组合信度CR = .91，平均方差提取量AVE = .57，均满足收敛效度要求（CR ≥ .70，AVE ≥ .50；Fornell & Larcker, 1981）。
场景二：多因子CFA（多维量表验证）
情形：3个因子、18题，N = 426，验证三因子斜交结构并报告区分效度。
完整报告段落模板：
对[量表名称]进行三因子验证性因子分析，允许因子间相关（斜交模型）。
模型拟合结果为：χ²([df]) = X.XX，p [值]，CFI = .XX，TLI = .XX，
RMSEA = .XXX，90% CI [.XXX, .XXX]，SRMR = .XXX，模型拟合[良好/可接受]。
各因子标准化载荷详见表X，范围为 .XX 至 .XX（均 p < .001）。
因子1（[名称]）、因子2（[名称]）和因子3（[名称]）的CR分别为 .XX、.XX 和 .XX，
AVE分别为 .XX、.XX 和 .XX，均满足收敛效度标准（AVE ≥ .50）。
Fornell-Larcker准则检验结果显示，各因子AVE平方根（.XX、.XX、.XX）
均大于该因子与其他因子的相关系数（详见表X），区分效度成立。
填入数值的示例：
对工作投入量表进行三因子验证性因子分析（活力、奉献、专注，18题），采用ML估计，允许因子间相关。模型拟合指数为：χ²(132) = 287.63，p < .001，CFI = .963，TLI = .956，RMSEA = .053，90% CI [.044, .061]，SRMR = .051，达到良好拟合标准。各因子标准化载荷范围为 .62 至 .88（均 p < .001）。活力、奉献和专注三个因子的CR分别为 .88、.91 和 .87，AVE分别为 .56、.63 和 .57，均满足Fornell与Larcker（1981）提出的收敛效度标准（AVE ≥ .50，CR ≥ .70）。Fornell-Larcker准则检验结果显示，三个因子AVE平方根（.75、.79、.75）均高于因子间相关系数（.42 至 .61），区分效度得以确立。三因子斜交模型与三因子正交模型相比拟合显著更优，Δχ²(3) = 142.7，p < .001，进一步支持因子间相关结构的合理性。
场景三：多因子CFA与单因子竞争模型比较
论文中常需证明多因子模型优于单因子模型，APA格式要求报告两个模型的全部拟合指数，并呈现Δχ²检验。
完整报告段落模板：
为评估[量表]的结构效度，将三因子斜交CFA模型与单因子模型进行比较。
结果显示，三因子模型（χ²([df1]) = X.XX，CFI = .XX，RMSEA = .XXX）
优于单因子模型（χ²([df2]) = X.XX，CFI = .XX，RMSEA = .XXX），
Δχ²([Δdf]) = X.XX，p < .001，ΔCFI = .XX，ΔRMSEA = .XXX。
上述结果表明三因子结构与数据的拟合明显优于单因子竞争模型。
模型比较表格格式：
| 模型 | χ² | df | CFI | TLI | RMSEA [90% CI] | SRMR |
|---|---|---|---|---|---|---|
| M1 单因子 | 612.48 | 135 | .812 | .793 | .091 [.083, .098] | .102 |
| M2 三因子斜交 | 287.63 | 132 | .963 | .956 | .053 [.044, .061] | .051 |
| Δ（M2 vs M1） | 324.85*** | 3 | .151 | .163 | .038 | .051 |
注：** p < .001*
场景四：测量不变性检验（跨组CFA）
当需要比较不同群体（如男女、不同文化）时，须先验证测量不变性。APA格式要求报告三个嵌套模型。
完整报告段落模板：
对[量表]进行跨[性别/文化/时间]的测量不变性检验，
依序检验配置不变性（形态不变性）、度量不变性（载荷不变）和标量不变性（截距不变）。
配置模型（因子结构固定，参数自由估计）拟合良好：
χ²([df]) = X.XX，CFI = .XX，RMSEA = .XXX，90% CI [.XXX, .XXX]，SRMR = .XXX，
表明两组具有相同的因子结构（配置不变性成立）。
度量不变性模型（因子载荷跨组约束相等）与配置模型比较：
Δχ²([Δdf]) = X.XX，p = .XXX，ΔCFI = .XXX，ΔRMSEA = .XXX，
拟合下降不显著（ΔCFI < .010，Cheung & Rensvold, 2002；ΔRMSEA < .015，Chen, 2007），
度量不变性成立，表明两组对潜变量的测量尺度一致。
标量不变性模型（因子载荷和截距均约束相等）与度量模型比较：
Δχ²([Δdf]) = X.XX，p = .XXX，ΔCFI = .XXX，ΔRMSEA = .XXX，
[拟合下降在可接受范围内，标量不变性成立 / 拟合显著下降，存在部分不变性，
X题项的截距跨组存在差异]。
四、方法章节：如何说明使用了CFA
标准方法章节描述
采用验证性因子分析（CFA）检验[量表名称]的结构效度，
使用最大似然估计（ML）进行参数估计，以ChatSRS（R引擎，lavaan包）运行分析。
模型拟合评估参照Hu与Bentler（1999）标准：
CFI和TLI > .95、RMSEA < .06（90% CI上限 < .10）、SRMR < .08为良好拟合，
CFI > .90、RMSEA < .08为可接受拟合。
收敛效度以平均方差提取量（AVE ≥ .50）和组合信度（CR ≥ .70）评估
（Fornell & Larcker, 1981）；区分效度采用Fornell-Larcker准则，
即各因子AVE平方根 > 该因子与其他因子的最大相关系数。
五、在ChatSRS一句话获得规范CFA报告
打开 chatsrs.com，上传数据后输入：
"对attached数据做三因子验证性因子分析（CFA），因子1对应题目Q1-Q6，因子2对应Q7-Q12，因子3对应Q13-Q18，允许因子间相关；输出CFI、TLI、RMSEA（含90% CI）、SRMR、所有标准化因子载荷（含SE和t值）、每个因子的AVE和CR，并用Fornell-Larcker准则检验区分效度；最后输出符合APA 7th格式的完整结果段落，含模型比较（三因子 vs 单因子）。"
ChatSRS将自动完成以下工作：
- 运行ML估计的CFA（R引擎，lavaan 0.6+）
- 输出完整拟合指数表和标准化载荷表
- 计算AVE、CR和Fornell-Larcker矩阵
- 自动生成竞争模型比较（Δχ²检验）
- 输出可直接复制进论文的APA格式报告段落
六、结果表格的APA格式
CFA因子载荷表（标准格式）
表X [量表名称]验证性因子分析标准化因子载荷
| 题项 | 因子1（活力） | 因子2（奉献） | 因子3（专注） | 误差方差 |
|---|---|---|---|---|
| Q1 | .74 | .45 | ||
| Q2 | .81 | .34 | ||
| Q3 | .69 | .52 | ||
| Q4 | .85 | .28 | ||
| Q5 | .78 | .39 | ||
| Q6 | .83 | .31 | ||
| Q7 | .76 | .42 | ||
| Q8 | .71 | .50 | ||
| Q9 | .80 | .36 | ||
| AVE | .56 | .67 | .57 | |
| CR | .79 | .86 | .80 | |
| 因子相关 | — | .52 | .47 |
注：所有载荷均 p < .001。空白格表示交叉载荷约束为0。
AVE平方根与因子相关矩阵（Fornell-Larcker矩阵）
表X 区分效度检验：AVE平方根（对角线）与因子间相关（下三角）
| 因子1（活力） | 因子2（奉献） | 因子3（专注） | |
|---|---|---|---|
| 因子1（活力） | .75 | ||
| 因子2（奉献） | .52 | .82 | |
| 因子3（专注） | .47 | .44 | .75 |
注：对角线粗体数字为AVE平方根；区分效度成立要求对角线值 > 同列/同行非对角值。
七、CFA报告常见错误对照表
| 常见错误 | 正确写法 | 说明 |
|---|---|---|
| 只报告CFI，不报告RMSEA | CFI = .96，RMSEA = .053，90% CI [.038, .068]，SRMR = .047 | APA 7th建议至少同时报告CFI + RMSEA（含CI） |
| RMSEA不报告置信区间 | RMSEA = .053，90% CI [.038, .068] | 上限CI是判断模型差关闭检验的依据 |
| AVE=0.48声称收敛效度达标 | AVE = .48 < .50，说明原因或修改量表 | AVE < .50时须说明（若CR > .70，部分期刊接受） |
| 标准化载荷只写范围，不附表格 | 全部载荷见表X，所有题项载荷均 ≥ .50 | 审稿人要求逐题查验 |
| 模型比较不报Δχ²自由度 | Δχ²(3) = 324.85，p < .001 | Δdf = 约束参数个数之差 |
| 将χ²/df < 3.0作为主要判断标准 | 以CFI、RMSEA、SRMR为主；χ²/df仅供参考 | 大样本下χ²几乎必然显著，不宜单独用作标准 |
| 测量不变性只报标量模型，不报配置和度量模型 | 三模型逐步比较，报Δχ²和ΔCFI | 跨组比较的前提是先验证度量不变性 |
| 修改路径后不说明依据 | "根据修正指数（MI = 22.4），允许e3与e4残差相关，并在讨论中检视其理论依据" | 修正须有理论支撑，不能仅依数据驱动 |
FAQ
Q：CFA的χ²几乎总是显著（p < .05），是不是模型不好？
A：不一定。χ²统计量对样本量极为敏感：N > 200 时，几乎所有真实的结构方程模型都会得到显著的χ²，这只说明模型与完美拟合有统计意义上的偏离，并不能说明模型不可用。APA 7th和SEM领域主流建议以CFI（≥ .95）、RMSEA（≤ .06）和SRMR（≤ .08）为主要判断标准，χ²和χ²/df只作辅助参考。报告时通常写"χ²(df) = X.XX，p < .001（大样本下χ²显著为正常现象，以增量和近似误差指数评估拟合）"。
Q：AVE = .48略低于 .50，是否需要删题？
A：AVE < .50 意味着测量误差方差超过了因子能解释的方差，理论上不满足Fornell与Larcker（1981）提出的收敛效度严格标准。实际处理方式分三种：(1) 若CR ≥ .70，可在论文中说明"AVE略低于 .50，但CR达到阈值，Fornell与Larcker（1981）指出CR是更重要的指标，收敛效度可接受"；(2) 检查载荷最低的1-2题的内容效度，若与因子理论构念偏离，可考虑删除后重新检验；(3) 若该因子属于复杂构念（如态度量表同时含认知和情感成分），可说明理论上的多面性导致AVE偏低。建议优先选方式(1)，保留题项，说明理论依据，不盲目删题。
Q：标准化载荷要报告多少位小数？
A：APA 7th建议两位小数（如 λ = .72），与相关系数的报告规范一致。不加前导零，即 .72 而非 0.72。SE通常报告两位小数（SE = .04），t值报告两位小数（t = 18.24）。如果期刊要求在附件中提供完整输出，可保留更多小数，但正文和结果表中统一两位小数。
Q：多因子CFA中，因子之间的相关系数要报告吗？
A：是的，斜交模型（允许因子间相关）必须报告因子相关矩阵，通常以表格呈现。原因有二：(1) 因子相关是Fornell-Larcker区分效度检验的基础——需要与AVE平方根比较；(2) 因子相关系数进入SEM路径分析时，读者需要了解共线性程度。正交模型（因子间相关固定为0）只需说明"采用正交旋转"即可。在CFA报告中，如无特别理论依据，建议采用斜交模型，更符合社会科学量表的实际数据特征。
Q：HTMT比Fornell-Larcker更好吗？何时使用？
A：HTMT（异质单质比，Heterotrait-Monotrait Ratio）是2015年之后兴起的区分效度评估方法，基于MTMM逻辑，对共同方法偏差的检测更为敏感。判断标准：HTMT < .85（严格）或 < .90（宽松，Henseler et al., 2015）。建议在以下情况优先报告HTMT：(1) 投稿到方法论类期刊或心理测量学期刊；(2) 因子间相关系数较高（> .60），Fornell-Larcker准则可能给出误导性结论；(3) 目标期刊明确要求。若两种方法均报告，当结论一致时（均支持区分效度），只需一句话说明；若结论冲突（Fornell-Larcker通过但HTMT超标），需在讨论部分解释原因并讨论含义。ChatSRS默认同时输出两种区分效度检验结果。
快速参考：CFA报告格式速查卡
[拟合指数标准格式]
χ²([df]) = X.XX, p [值], CFI = .XX, TLI = .XX,
RMSEA = .XXX, 90% CI [.XXX, .XXX], SRMR = .XXX
[良好拟合阈值（Hu & Bentler, 1999）]
CFI ≥ .95, TLI ≥ .95, RMSEA ≤ .06, SRMR ≤ .08
[收敛效度]
AVE ≥ .50 (Fornell & Larcker, 1981)
CR ≥ .70
[区分效度（Fornell-Larcker准则）]
sqrt(AVE_i) > r(i,j) 对所有 j != i
[区分效度（HTMT准则）]
HTMT < .85（严格）或 < .90（宽松）
[模型比较格式]
Δχ²([Δdf]) = X.XX, p [值], ΔCFI = .XXX, ΔRMSEA = .XXX
（ΔCFI < .010 且 ΔRMSEA < .015 视为无显著差异）
[测量不变性检验顺序]
配置模型 → 度量模型（载荷约束）→ 标量模型（截距约束）
每步报告Δχ²、ΔCFI、ΔRMSEA
相关阅读
本文首发于ChatSRS官方博客。如有问题或反馈，欢迎在ChatSRS站内 [用户中心 -> 帮助与反馈] 联系我们。