数据质量的验证性分析

对正式样本数据进行验证性因子分析,评估变量测量的信度与效度,从而对样本数据质量做出判断,为后续的结构方程模型分析做出准备。

1)模型拟合评价

运用AMOS17．0软件,采取固定负荷法和极大似然法(ML),对样本数据进行验证性因子分析,模型得到有效识别,如图5．1所示。

图5．1 样本数据验证性因子分析

运行结果中,验证性因子分析的各项拟合指数值如表5．5所示。

表5．5 样本数据验证性因子分析的拟合指数

表5．5的结果显示,各项拟合指数均达到了理想标准。卡方自由度比(x2/df)为2．994,达到理想标准;GFI与AGFI值分别为0．972和0．960,均达到理想标准;NFI、CFI分别为0．982、0．988,也均达到理想标准;RMSEA为0．036,小于0．05,达到理想标准。综合各项拟合指数表明,模型拟合情况理想,可以被接受。

2)信度评估

对样本数据进行验证性因子分析的结果如表5．6所示。

表5．6 验证性因子分析结果

依据题项信度的评估原则,各变量的题项信度处于0．536~0．884之间,均大于0．50的标准,因此可以认为单个题项的信度是可以接受的。依据因子信度的评估原则,根据公式计算出来的各因子组合信度,均在0．85以上,达到“非常好”的标准,因此因子信度也是可以接受的。

3)效度评估

依据平均方差抽取量AVE评估收敛效度的原则,根据AVE公式计算出来的各变量AVE值均在0．66之上,大于0．50的标准,表明变量测量具有良好的收敛效度。

采用将潜变量AVE的平方根与该潜变量与其他潜变量之间的相关系数进行比较的方法,来评估区别效度,计算结果如表5．7所示。其中,对角线数据为各变量AVE的平方根,对角线之外的数据为各变量之间的相关系数。比较结果显示,各变量AVE的平方根均大于该变量与其他变量间的相关系数,表明模型具有一定的区分效度。

表5．7 潜变量AVE平方根与变量间相关系数比较

基于对样本数据质量的验证性分析,变量测量均通过了信度与效度评估,样本数据与测量模型拟合良好,测量模型得到了较好的验证。适合进行下一步的整合性SEM(结构方程模型)分析。