3.4.2 群体认同结构的验证性因素分析
多组验证性因素分析可以用来对不同组之间数据结构的一致性进行验证，探讨能够适用于各组数据的共同结构模型，此外还可以探讨某路径参数在不同组中是否有差异，比较因子方差和误差方差是否相同等（侯杰泰、温忠麟、成子娟，2004）。本研究选用了四个样本群体（大学生、性别、国民和省籍）来验证探索性因素分析所得出的三维度群体认同结构，根据数据特点，本研究采用多组验证性因素分析来进行四个样本群体数据模型形态相同的验证。
首先，分别对四个样本群体的数据进行验证性因素分析，将数据与单因素模型和三因素模型（如图3-5所示）的拟合度进行对比，考察群体认同是单一的维度结构还是包括三个相对独立的维度结构。验证性因素分析结果如表3-6所示。
图3-5 群体认同的三因素模型
表3-6 验证性因素分析模型拟合指数
温忠麟等人（2004）和郭庆科等人（2008）曾分析了已有的结构方程模型拟合指数，并且推荐了几个较好的拟合指标和传统界值。根据已有的研究（侯杰泰等，2005），本研究中结构方程模型的拟合情况主要参考以下指数：(https://www.daowen.com)
（1）
，即卡方值，是一种绝对拟合指数。如果卡方值大于临界值则表示数据与模型拟合不好。从理论上讲，卡方值越小则模型拟合越好。但是由于卡方值易受到样本量的影响，样本量越大，卡方值越容易显著，因此在考查模型拟合程度时，还要考虑自由度的大小，常使用
/df来作为模型拟合的指标。
/df的值小，则表明样本协方差矩阵S与被估计的协方差矩阵E的相似程度越接近。实际研究中，当
/df在2.0到5.0之间时，则认为模型可以接受。
（2）RMSEA（Root mean square error of approximation），即近似误差均方根，也是绝对拟合指数的一种。其值越小越好，低于0.1表示好的拟合，低于0.05表示非常好的拟合，低于0.01表示非常出色的拟合，但这种情况在实际研究中几乎没有。
（3）CFI（Comparative fitindex），即比较拟合指数，是一种相对拟合指数，它的变化区间在0到1之间，其值越接近1，表明模型拟合得越好，可以接受的临界值为0.9以上。
（4）NNFI（Nonnormal fit index），即非范拟合指数，其也是一种相对拟合指数，该指数有时会因为样本的变动超出0-1的范围，一般可以接受的临界值也是0.9以上。
（5）IFI（Incremental fix index），是一种相对拟合指数，该指数的临界值也是0.9以上。
从表4-6可知，所有样本群体的数据均能较好的与三因素模型相拟合，各
/df均小于3，RMSEA均小于0.1，CFI、NNFI和IFI均大于0.9。并且所有样本群体的数据与三因素模型的拟合度均好于单因素模型的拟合度。
对单个群体的数据分别进行验证性因素分析，结果表明三因素结构分别适合于各个样本群体。运用LISREL多组设定方法同时估计四个群体的模型拟合情况，但不加其他限制，即只验证模型的形态相同。结果如表3-6所示，各项拟合指标均符合要求。因此可以认为三因素模型是个体对四种群体群体认同的共同结构。