通过探索性因素分析（EFA）获得了青少年生活满意度的二阶6个因素结构，这一因素结构模型的构想效度如何？其稳定性和可靠性如何？仍需采用验证性因素分析（CFA）进行检验，以实施交叉验证，即在一个样本中先用EFA找出变量的因子结构，再在另一个样本中用CFA去检验和修改。
一、模型的设置
1.单层（并列）的多维模型假设及验证
生活满意度是一个单层的多维结构还是一个多维度多层次的结构？如果是单层的多维结构，其维度有多少？我们以SPSS11.0进行EFA，采用ML（极大似然估计法），以斜交旋转中的PROMAX方法进行因素旋转，抽取因子数目分别取5个、7个、8个。结果显示，7个因子的因素分析中，在第7个因子上抽取的项目数不足3个，因此，将以主成分分析、斜交旋转法获得的5个相关因子的一阶因素结构（LSS5）与6个相关因子的一阶因素结构（LSS6）进行比较。
2.多层的多维模型假设及验证
如果生活满意度是一个多维度多层次的结构，它应该是一个什么样的因素结构？通过探索性因素分析，得出了二阶的二因素结构。我们将分别采用主成分分析、斜交旋转法获得的6个相关因子的二阶二因素结构（LSS62）和5个相关因子的二阶二因素结构模型（LSS52）与并列模型进行比较，通过对以上假设模型的比较就能得出最佳的因素结构。
根据探索性因素分析的结果，提出4种假设，即因子数分别为5个和6个的一阶并列五因素结构（LSS5）和一阶并列六因素结构（LSS6），以及因子数分别为5个的二阶二因素结构（LSS52）和6个的二阶二因素结构（LSS62）。然后用另一半数据（N=529人）以Lisrel for Windows 8.3对各种模型与数据的拟合程度进行检验。
模型1（LSS6）：设置一个并列六因素模型，观察变量为6（NX=6），潜变量为6（NK=6），6个因素间相互独立，因素的协方差矩阵为对角矩阵，主对角线上的协方差为自由估计，非对角线上的协方差为0（PH=DI）。
模型2（LSS62）：设置一个二层次二因素模型，观察变量为6（NX=6），潜变量为2（NK=2），2个因素间自由相关，因素的协方差矩阵为对称矩阵，主对角线上的协方差为1，非对角线上的协方差为自由估计值（PH=ST）。
模型3（LSS5）：设置一个并列五因素模型，观察变量为5（NX=5），潜变量为5（NK=5），5个因素间相互独立，因素的协方差矩阵为对角矩阵，主对角线上的协方差为自由估计，非对角线上的协方差为0（PH=DI）。
模型4（LSS52）：设置一个二层次二因素模型，观察变量为5（NX=5），潜变量为2（NK=2），2个因素间自由相关，因素的协方差矩阵为对称矩阵，主对角线上的协方差为1，非对角线上的协方差为自由估计值（PH=ST）。
二、结果与分析
分别对上述四种模型进行CFA，得到各种模型的拟合优度指标。
以下从三个方面考察模型的整体拟合优度：
1.绝对拟合指数
用以比较观测变量的方差协方差矩阵与再生的方差协方差矩阵的拟合程度，常用的绝对拟合指数有：
（1）拟合优度ⅹ2（chi-squre）检验。
一般用ⅹ2/df作为替代性检验指数。其理论期望值为1，ⅹ2/df的值越接近于1，表明样本协方差矩阵S和估计协方差矩阵E的相似性程度愈高，公认的良好模型与数据的拟和标准为ⅹ2/df＜5.
（2）拟合优度指数（GFI）和调整的拟合优度指数（AGFI）。
GFI测定观察变量的方差协方差矩阵S在多大程度上被模型定义的方差协方差矩阵所预测，但会随着模型中参数总数的增加而提高，且易受样本容量的影响。AGFI则可以克服GFI的不足。这两个拟合指数的数值介于0～1间，越接近1越好。
（3）差均方根（RMR）。
即失拟指数，是观察各变量间的协方差的残差平方的均数的平方根，越接近于0越好。
2.相对拟合指数
包括CFI，标准拟合指数NFI及非标准拟合指数NNFI等。其作用主要是通过比较目标模型和一个基本模型的拟合来检验所考察模型的整体拟合程度。所有比较拟合指数的值均介于0～1间，越接近1越好。
综合各项指标，模型2的各项拟合指数更为理想，据模型2建构的协方差路径图。
根据幸福感包括生活满意度、正性情感和负性情感的观点，在加入由正性情感和负性情感组成的快乐感量表后，得出如下的幸福感路径图：
