量表信度及效度检验

8.9　量表信度及效度检验

量表编制的信度（reliability）和效度（validity）将决定测量结果的可靠性和可用性，因此我们在正式进行数据分析之前应对量表的信度和效度进行检验。

量表的信度分析可以分为内在信度分析和外在信度分析，其中内在信度分析目的是检验量表测量的结果是否具有内在一致性，外在信度分析是为检验同一对象不同时间的重复测量结果是否具有稳定性。根据研究目的，本书主要是用SPSS软件中的克朗巴哈系数（Cronbachα）进行内在信度分析，其常用的检验标准是：克朗巴哈系数越接近于1，则认为量表的信度越高。具体而言：克朗巴哈系数大于0.9，则认为量表的内在信度很高；在0.8～0.9之间，则认为量表信度是可以接受的；在0.7～0.8之间，则认为量表设计存在一定问题，但仍具有一定参考价值；但如果小于0.7，则说明量表设计存在很大问题，应考虑重新设计（薛薇，2004）。

量表的效度包括表面效度（face validity）、效标关联效度（criterionrelated validity）、内容效度（content validity）以及构念效度（construct validity）等。效度分析的目的是为了检验该量表是否能正确测量出所测对象的真正特征。本书中的量表大部分来自成熟量表，或根据成熟量表编制而成，因此已经具有一定的内容效度。同时，本书中主要用验证性因子分析（confirmatory factor analysis，CFA）方法来检验各量表的构念效度。根据侯杰泰等人（2005）的建议，本书用结构方程中模型中的拟合指数，如RMSEA（Root Mean Square Error of Approximation）、SRMR（Standardized Root Mean Square Residual）、CFI（Comparative Fit Index）和NNFI（Nonnormed Fit Index，即TLI）等指标来检验各量表的构念效度。一般认为：拟合指数RMSEA、SRMR的值越小表示模型拟合程度越好，而CFI和NNFI取值越大则代表模型拟合程度越好。其中，RMSEA等于或小于0.05时表示假设模型拟合程度好，0.08到0.10之间表示拟合程度一般，当大于0.1时，则表示了模型与数据的拟合度较差；SRMR的值小于0.08则认为模型可以接受，而大于0.08时，认为模型拟合效果不太好（Hu和Bentler，1998）；CFI的值大于0.9时表示拟合程度较好；NNFI一般要求取值大于0.9，若大于0.95则代表假设理论模型与数据的拟合度非常好。

表8.5　量表的信度和效度

本书用CronbachΑα系数法和验证性因子分析法（Confirmatory Factory Analysis，CFA）检验了各研究量表的信度和效度，检验结果如表8.5所示。其中信度检验结果表明：各量表的Cronbachα系数均在0.85以上，相对能力和工作绩效的Cronbachα系数甚至达到了0.9以上，显示出较好的内部一致性。效度检验结果表明：在CFA主要拟合优度指标中，大部分量表的RMSEA值在0.1以下，SRMR值在0.08以下，虽然有1～2个量表的RMSEA和SRMR指标值不是非常理想，但所有量表的NNFI和CFI的值都在0.9以上，甚至有3个量表的CFI达到0.95以上，理论模型与数据拟合度非常好。因此，综合考虑各拟合优度指标，本书中各量表均显示出了较好的构念效度。