很多人不会做结构方程模型的分析， 其实就是因为它不会汇报结果。
这个文章就是提供一个汇报模板， 大家可以照着写，并制作表格。
这篇文章的主要用途是用于验证性因子分析CFA的结果汇报。

大概内容

验证性因子分析CFA主要目的是验证结构方程模型的测量模型的有效性，
就是所谓的信效度， 而在验证性因子分析中， 效度主要指的是两个方面：

• 收敛效度 Convergent Validity
• 区分效度 Discriminant Validity

SMC AVE和CR计算器

这三个指标往往是自己手动计算的， 不过我们提供了一个Excel计算器，
你可以下载使用： Excel版本的AVE和CR计算器。

收敛效度汇报

验证式因素分析 (Confirmatory Factor Analysis, CFA)为 SEM 分析的一部
份。 Thomopson (2004)提出 SEM 研究人员在执行分析结构模型之前，应先分析
测量模型，因为测量模型可以正确的反应研究的构面或因素。本研究的 CFA 测
量模式变数缩减根据 Kline (2005)的二阶段模式修正，在执行结构模型评估前先
检验测量模型，如果发现测量模型配适度是可接受的，那么再进行第二步骤，进行完整的 SEM 模型评估。
本研究针对所有构面进行 CFA 分析，模型的六个构面
为服务品质、转换成本、企业形象、顾客满意度、行为忠诚及态度忠诚，所有构面的标准化因子载荷在 0.684-0.953之间，
非标准化因子载荷均达显著；其组成信度分别为 0.851-0.921 之间，
平均方差提取量AVE在0.631~0.771之间(如表 1)，复相关系数SMC在0.468-0.908之间。
符合 Hair, et al (2009)及 Fornell and Larcker (1981)的标准：
1.因素负荷量大于 0.5, 理想情况应该是大于0.7；2.组成信度CR大于 0.6；3.平均变异提取量AVE大于 0.5；
4.多元相关系数SMR的平方大于 0.5 。
本研究中有两个指标的SMR低于0.5，但是很接近0.5，
但仍属可接受范围，其余均符合标准，因此六个构面均具有收敛效。

区分效度汇报

区别效度分析是验证不同的两个构面相关在统计上是否有差异。有研究采用置信区间法(Torkzadeh, Koufteros, pflughoeft , 2003)，
建立构面之间的相关系数的置信区间，如果未能包含 1，即完全相关，则表示构面之间具有区有别效度。
在 SEM 要建立相关系数的置信区间，在 95%的信心水准下，利用 bootstrap 的估计方式， 如果置信区间不包含 1，则拒绝虚无假设，称此两构面具有区别效度；
反之，则无区别效度。 但是这种方法其实是无效的， 因为在结构方程中永远无法得到大于1的相关系数, bootstrap 95%的置信区间不可能包含1 。

我们使用Fornell & Larcker的区分效度验证方法，即比较构念（潜变量）的AVE的平方根与该构念与其他变量的相关系数，
如果AVE平方根大于相关系数， 就认为该构念具有区分效度。

具体结果如下表格， 表格中，斜对角上的元素是AVE的平方根，其他数字是相关系数， 如果某个潜变量的AVE的平方根大于该变量与其他变量之间的相关系数，则证明该变量与其他变量之间具有区分效度 。