探索性因子分析与验证性因子分析是研究过程的两个阶段,不能截然分开,只有两者结合运用,才能相得益彰,使研究更有深度。相对而言,验证性因子分析比探索性因子分析处理要困难得多,验证性因子分析比探索性因子分析要求更大容量的样本,主要是因为验证性因子分析要处理推论统计量。精确的样本量要随着观测值和模型的因子数变化而变化,但一个标准模型至少需要200 个个体。和探索性因子分析一样,模型中每个因子至少需要3 个变量;与探索性因子分析不同的是,研究者必须选择与每个因子在很大程度上匹配的变量,而不是可能是潜在变量的“随机样本”。一般来说,如果研究者没有坚实的理论基础支撑,有关观测变量内部结构一般用探索性因子分析。先用探索性因子分析产生一个关于内部结构的理论,再在此基础上用验证性因子分析,这样的做法是可取的,但这必须用分开的数据集来做。如果研究者直接把探索性因子分析的结果放到统一数据的验证性因子分析中,研究者就仅仅是拟合数据,而不是检验理论结构。合理的做法是用一半数据做探索性因子分析,然后把分析取得的因子用在剩下的一半数据中做验证性因子分析。如果研究者做验证性因子分析的拟合效果非常差,研究者就必须用探索性因子分析来找出数据与模型之间的不一致。但是研究者在对新数据拟合模型时,任何改动都需要进行检验。

     进行探索性因子分析要注意，在进行因子分析之前，需要对各个变量进行KMO和巴特利球形检验(Bartlett)，看其是否适合做因子分析。一般认为KMO值大于0.7就是适合做因子分析的,巴特利(Bartlett)球形检验值应在0.05以内的显著性水平。

     进行验证性因子分析要注意，模型要表现出良好的整体拟合优度:卡方和自由度的比值(χ2 / df）小于5,近似误差均方根(RMSEA)小于0. 08,一系列相对拟合指数NFI、NNFI、CFI、GFI、AGFI均要超过0. 90, PNFI与PGFI均要超过0.5。