量表的效度检验

时间：2022-10-31 理论教育版权反馈

【摘要】：以上结果说明，KMO为0.815，很适合做因子分析，而Bartlett球体检验的2χ统计值的显著性概率是0.000，数据具有相关性，也适宜做因子分析。在删除以上3个变量后，再次进行KMO检验及Bartlett球体检验。可见，删除3个变量后，量表的结构效度得到提高。

4.3.2　量表的效度检验

效度（validity）指测量工具能够正确测量出所要测量问题的程度。测定效度的目的是要确认所收集的数据能否得到所要得到的结论、反映所要讨论的问题，同时也判定潜变量是否确定的合理。

本书选择从内容效度（content validity）和结构效度（construct validity）两个方面对量表的效度进行测量。

4.3.2.1　内容效度

内容效度指量表的适合性，即是否反映了想要测试的全部内容。如问卷的内容是否能够涵盖所要研究问题的各个方面，如果能够涵盖，则量表具有优良的内容效度。内容效度依赖于逻辑的处理，而非统计的分析，对内容效度采用定性判断。

本书设计量表时，大都参考的是以前学者研究证实的结论或量表，因此一定程度上保证了较高的内容效度。同时，本书还使用了专家评估的方法，对量表的内容效度进行了检验，检验的结果是各个部分的量表均具有良好的内容效度。

4.3.2.2　结构效度

结构效度是指测量结果体现出来的某种结构与测量值之间的对应程度。因子分析被认为是测量量表结构效度的理想方法，其主要功能是从量表全部变量中提取公因子，各公因子分别与某一群特定变量高度关联，这些公因子即代表了量表的基本结构。通过因子分析可以考查问卷是否能够测量出研究者设计问卷时假设的某种结构。因此，本书使用因子分析的方法测量量表的结构效度。

在进行因子分析之前，首先要判断现有数据是否适宜做因子分析，在确定了数据适宜做因子分析的前提下，再寻找因子变量。

在因子分析时使用的软件为SPSS16.0。

（1）对数据是否适宜做因子分析的判断

对于现有数据是否适宜做因子分析的常用判断方法是KMO样本测度（Kaiser-Meryer-Olkin Measure of Sampling Adequacy）检验及Bartlett球体检验（Bartlett Test of Sphericity）。

KMO样本测度是所有变量的简单相关系数的平方和与这些变量之间的偏相关系数的平方和之差。KMO越接近于1，越适合做因子分析。根据Kaiser（1974）的研究结论：当KMO＞0.9时，非常适合；KMO＝0.8～0.9时，很适合；KMO＝0.7～0.8时，适合；KMO＝0.6～0.7时，不太适合；KMO＝0.5～0.6时，很勉强；KMO＜0.5时，不适合。

本书在问卷预检验时收集的小样本数据的KMO＝0.815。

Bartlett球体检验是从整体相关系数矩阵来考虑问题，其零假设H₀是相关系数矩阵为单位阵，可以用常规的假设检验判断相关系数矩阵是否显著异于0。

表4-8是问卷预检验时收集的小样本数据的Bartlett球体检验值。

表4-8　小样本数据的Bartlett球体检验值

以上结果说明，KMO为0.815，很适合做因子分析，而Bartlett球体检验的2χ统计值的显著性概率是0.000，数据具有相关性，也适宜做因子分析。

（2）检验因子变量

通过检验因子变量，可以测度测量结果与量表设计时构想的变量结构是否吻合，对于不吻合的变量，即效度不理想的变量给予删除。删除标准：①因子载荷小于0.4的变量；②每一个变量对应的某因子的载荷必须大于0.4，而在其他因子上的载荷小于0.4；③变量的载荷在两个因子上均大于0.4，即跨两个因子。出现以上三种情形中的任意一种，就考虑删除变量。

本书采用主成分分析法（Principal Component Analysis）提取公因子，采用方差最大正交旋转法（Varimax）对因子进行旋转，经过7次迭代后，提取了6个因子，结果如表4-9所示。

根据前文设定的删除标准，SP₂、EP₆、EP₇等3个变量应考虑删除，结合其含义分析，可以予以删除。

表4-9　各操作变量的因子载荷表