在组织研究领域，我得到了一组 20 个李克特项目（范围从 1 到 5，样本大小 n = 299）。这些项目旨在衡量一个潜在的概念，其本质上是多维的、多方面的和异质的。目标是创建一个可以很好地用于分析不同组织并用于逻辑回归的量表。根据美国心理学会，量表应该是（1）一维的，（2）可靠的和（3）有效的。

因此我们决定选择四个维度或分量表，每个维度有 4/6/6/4 个项目；假设它们代表了这个概念。

使用反射方法构建的项目（生成许多可能的项目，并在三个后续组中使用 cronbach 的 alpha 和概念表示（有效性）迭代删除项目）。

使用现有数据，基于多变量相关性和使用 varimax 旋转的初步平行解释性因素分析显示，项目负载在其他因素上超出预期。至少有 7 个潜在因素，而不是 4 个假设因素。平均项目间相关性非常低（r = 0.15），尽管是正的。每个量表的 cronbach-alpha 系数也非常低（0.4-0.5）。我怀疑验证性因素分析是否会产生良好的模型拟合。

如果去掉两个维度，cronbachs alpha 是可以接受的（0.76,0.7，每个量表有 10 个项目，仍然可以通过使用 cronbachs alpha 的序数版本变得更大）但量表本身仍然是多维的！

由于我是统计新手并且缺乏适当的知识，因此我不知道如何进一步进行。由于我不愿意完全放弃规模并接受仅描述性的方法，因此我有不同的问题：

I) 使用可靠、有效但不是一维的量表是错误的吗？

II) 之后将概念解释为形成性并使用消失四分体检验来评估模型规范并使用偏最小二乘法 (PLS) 来得出可能的解决方案是否合适？毕竟，这个概念似乎更像是一种形成性而非反思性的。

III) 使用项目响应模型（Rasch、GRM 等）会有用吗？正如我所读到的，rasch-models 等也需要假设单维性

IV) 将这 7 个因素用作新的“分量表”是否合适？只是丢弃旧定义并使用基于因子负载的新定义？

我会很感激对此的任何想法:)

编辑：添加因子载荷和相关性

> fa.res$fa
Factor Analysis using method =  ml
Call: fa.poly(x = fl.omit, nfactors = 7, rotate = "oblimin", fm = "ml") 

从因子模式矩阵和因子互相关矩阵计算的因子载荷，仅显示高于 0.2 的值