通過探索性因素分析（EFA）獲得了青少年生活滿意度的二階6個因素結構，這一因素結構模型的構想效度如何？其穩定性和可靠性如何？仍需采用驗證性因素分析（CFA）進行檢驗，以實施交叉驗證，即在一個樣本中先用EFA找出變量的因子結構，再在另一個樣本中用CFA去檢驗和修改。
一、模型的設置
1.單層（並列）的多維模型假設及驗證
生活滿意度是一個單層的多維結構還是一個多維度多層次的結構？如果是單層的多維結構，其維度有多少？我們以SPSS11.0進行EFA，采用ML（極大似然估計法），以斜交旋轉中的PROMAX方法進行因素旋轉，抽取因子數目分別取5個、7個、8個。結果顯示，7個因子的因素分析中，在第7個因子上抽取的項目數不足3個，因此，將以主成分分析、斜交旋轉法獲得的5個相關因子的一階因素結構（LSS5）與6個相關因子的一階因素結構（LSS6）進行比較。
2.多層的多維模型假設及驗證
如果生活滿意度是一個多維度多層次的結構，它應該是一個什麼樣的因素結構？通過探索性因素分析，得出了二階的二因素結構。我們將分別采用主成分分析、斜交旋轉法獲得的6個相關因子的二階二因素結構（LSS62）和5個相關因子的二階二因素結構模型（LSS52）與並列模型進行比較，通過對以上假設模型的比較就能得出最佳的因素結構。
根據探索性因素分析的結果，提出4種假設，即因子數分別為5個和6個的一階並列五因素結構（LSS5）和一階並列六因素結構（LSS6），以及因子數分別為5個的二階二因素結構（LSS52）和6個的二階二因素結構（LSS62）。然後用另一半數據（N=529人）以Lisrel for Windows 8.3對各種模型與數據的擬合程度進行檢驗。
模型1（LSS6）：設置一個並列六因素模型，觀察變量為6（NX=6），潛變量為6（NK=6），6個因素間相互獨立，因素的協方差矩陣為對角矩陣，主對角線上的協方差為自由估計，非對角線上的協方差為0（PH=DI）。
模型2（LSS62）：設置一個二層次二因素模型，觀察變量為6（NX=6），潛變量為2（NK=2），2個因素間自由相關，因素的協方差矩陣為對稱矩陣，主對角線上的協方差為1，非對角線上的協方差為自由估計值（PH=ST）。
模型3（LSS5）：設置一個並列五因素模型，觀察變量為5（NX=5），潛變量為5（NK=5），5個因素間相互獨立，因素的協方差矩陣為對角矩陣，主對角線上的協方差為自由估計，非對角線上的協方差為0（PH=DI）。
模型4（LSS52）：設置一個二層次二因素模型，觀察變量為5（NX=5），潛變量為2（NK=2），2個因素間自由相關，因素的協方差矩陣為對稱矩陣，主對角線上的協方差為1，非對角線上的協方差為自由估計值（PH=ST）。
二、結果與分析
分別對上述四種模型進行CFA，得到各種模型的擬合優度指標。
以下從三個方麵考察模型的整體擬合優度：
1.絕對擬合指數
用以比較觀測變量的方差協方差矩陣與再生的方差協方差矩陣的擬合程度，常用的絕對擬合指數有：
（1）擬合優度ⅹ2（chi-squre）檢驗。
一般用ⅹ2/df作為替代性檢驗指數。其理論期望值為1，ⅹ2/df的值越接近於1，表明樣本協方差矩陣S和估計協方差矩陣E的相似性程度愈高，公認的良好模型與數據的擬和標準為ⅹ2/df＜5.
（2）擬合優度指數（GFI）和調整的擬合優度指數（AGFI）。
GFI測定觀察變量的方差協方差矩陣S在多大程度上被模型定義的方差協方差矩陣所預測，但會隨著模型中參數總數的增加而提高，且易受樣本容量的影響。AGFI則可以克服GFI的不足。這兩個擬合指數的數值介於0～1間，越接近1越好。
（3）差均方根（RMR）。
即失擬指數，是觀察各變量間的協方差的殘差平方的均數的平方根，越接近於0越好。
2.相對擬合指數
包括CFI，標準擬合指數NFI及非標準擬合指數NNFI等。其作用主要是通過比較目標模型和一個基本模型的擬合來檢驗所考察模型的整體擬合程度。所有比較擬合指數的值均介於0～1間，越接近1越好。
綜合各項指標，模型2的各項擬合指數更為理想，據模型2建構的協方差路徑圖。
根據幸福感包括生活滿意度、正性情感和負性情感的觀點，在加入由正性情感和負性情感組成的快樂感量表後，得出如下的幸福感路徑圖：