最近指导本科论文，问卷借鉴了一个博士论文的问卷。探索性因子分析后，数据不能按照原定模型提取出因子，但基本上还是符合原模型，只是有几个模型中的因子聚合在一起了。也就是总的因子数少了。然后，让同学做了回归分析，写成了论文。结果，答辩的时候，答辩意见说：理论模型有问题，让他回来准备二次答辩。（答辩的时候，竟然还有老师问他，信度分析，除了α系数，为什么还用分半信度，没见过，依据是什么？通过的同学做的信度分析，论文中表格里呈现的不是维度的Cronbach's Alpha系数，而是每一个题项的“已删除项的α系数”。我以后是不是也要教同学这种范式？？？）

问题是，他的数据分析过程很规范，结果也显著。只是探索性因子分析得出的因子，不能完全跟模型框架吻合，有几个自变量因子聚合在一起了。我觉得，这是探索性因子分析这种方法本身的特性，如果想要什么结果就得什么结果，模型保持完全一致，那干嘛不直接做结构方程模型分析？问题是，做结构方程模型，不也得先做探索性因子分析吗？

我的困惑是，其他老师教的，都是让学生一个变量做一次探索性因子分析，比如说有5个变量，就做5次因子分析。也就是每个变量的题项，单独拿出来做一次因子分析，然后再去做回归。。。。。。这种方法对吗？？？
还有的，不作因子分析，直接用均值做的回归。。。。。。
问题是，这样做的同学都通过答辩了。。。。。。

我们老师到底应该教学生什么样的一种范式？研究难道不允许数据驱动吗？？？当理论得不到数据支持，不是应该用数据去修正理论吗？？？
还是说，要通过操作数据或不规范的数据操作，去“证实”“完美”的原定理论框架？？？

我觉得应该教学生一种规范的，可重复的，通过了答辩，以后也可以用的研究范式。还是说，我应该学习“一个变量做一次探索性因子分析”然后再回归，或直接用均值做回归这种范式，然后再教给一届又一界的同学呢？？？

想跟大家讨论讨论，听听大家的看法，尤其是数据处理方面的专业观点，多谢！
还是别干了，辞职吧，真不知道这是在干嘛！
给同学改了一个中介模型，让他去答辩拿学位吧！问题是，本科生至于这样内卷吗？

都不教规范的数据分析流程，搞又中介又调节的模型，又怎样，有用吗？