效度在测量理论中的定义为：在一系列测量中，与测量目的相关的真变异数和总变异数的比。效度反映了测量方法的有效程度或正确性，即测量问卷题是否准确有效，对问卷进行效度检验是实证研究的基本前提，对最终结果的准确性和有效性有重要影响。其一般可以分为四大类：结构效度、内容效度、效标效度以及其它效度（判别效度和聚合效度）。

1、结构效度说明

结构效度又称构想效度用于测量结果的数据结构与问卷设计是否相符。即研究所测量因子与题项之间的对应关系是否符合预期假设。测量结果的各内在成分是否与设计者打算测量的领域一致。一般可以使用因子分析或者验证因子分析判断结构效度的好坏。

2、结构效度操作

结构效度的分析主要使用因子分析，其通过从量表全部变量中提取一部分公因子分析因子中累积贡献率，共同度等，评价实测指标性质与设计目标是否吻合，如果因子提取的公因子与量表设计时确定的各领域有密切的逻辑关系，则说明有良好结构效度。其操作以SPSSAU为例【进阶方法】→【探索性因子】：

因子个数：意为所将分析项划分为几个因子（比如预期共划分4个维度，这里直接选择4即可），如果没有预期维度则无需选择，系统会自动按照特征根大于1的标准进行选择因子个数。

相关系数矩阵：提供分析项的相关性情况，相关性若低可能影响KMO值，相关性若过高（比如大于0.8），意味着信息重叠性高没可能存在共线性。

因子得分：得到因子得分可以进行后续分析，比如回归分析等。

综合得分：综合得分一般用于后续综合对比等。

旋转方法：包括最大方差法和最优斜交法。最大方差法的主要目标是找到一个投影方向，使得在该方向上不同类别的样本投影后的方差最大。这种方法假设方差越大，则分类效果越好。最优斜交法通过最小化同类样本之间的距离和最大化不同类别之间的距离来提高分类准确率。一般最大方差法使用较多。

判别效度和区别效度实质上也是结构效度，具体说明如下。判别效度（又称区分效度、区别效度），其评价指标一般包括因子载荷系数和平均方差抽取值，其一般是指不在同一因子下的题项不会被构成在同一个因子中，判断区分效度的好坏一般有三种：AVE和相关系数结果对比，HTMT法以及MSV和ASV法。聚合效度也称收敛效度。聚合效度强调本应该在用一个因子下面的测量项，确实在同一个因子下，一般观察AVE和CR指标。AVE反映了每个潜变量所解释的变异量中有多少来自该潜变量中所有题目，加入AVE越高，则表示潜变量（factor）有越高的收敛效度，一般需要大于0.5，不小于0.36，标准化因子载荷大于0.5，CR值是所有测量变量信度的组合，表示潜变量（factor）的内部一致，所以CR值越高，表示内部一致性越好，一般大于0.7。

本文地址： http://www.goggeous.com/20241215/1/666244

文章来源：天狐定制

版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。