验证性因子分析（一）_区分效度ave小于相关系数

作者：小小林熬夜学编程 | 2024-06-16 07:13:50

踩

区分效度ave小于相关系数

一、效度分析

倪宗瓒主编的《医学统计学》一书中指出：

一般来说，凡是通过测量工具得到的结果，无论是通过测定仪器得到的硬数据（如物理测定），还是通过测定量表、考卷得到的软数据（如心里测定、考试等），均需进行信度和效度分析；在实际工作中，如果只是直接运用问卷调查的结果进行分析和推断，而未对调查问卷本身进行可信度和有效度的评价分析，这就使得调查的准确性、统计分析结论的科学性以至于研究成果的质量不能不受到影响及质疑。

因此对测量工具进行效度分析以及效度汇报是十分重要的。我在学习相关的统计软件过程中，一直没有系统地了解效度分析的步骤，对于验证性因子分析，更是越学反而觉得越乱，因此系统地整理还是十分有必要的。

首先大致列出效度分析的步骤，如下：

在效度分析中，首先进行巴特利特球形检验与KMO检验，若KMO值>0.50，巴特利特球形检验统计值的显著性概率 $p<0.05$ ，则适合进行因子分析，反之不适合进行因子分析。

而后判断量表是否为成熟学者量表，若是，则只需要进行CFA（验证性因子分析），反之，需要首先进行EFA（探索性因子分析）而后再进行CFA（验证性因子分析）。

本文的重点是对验证性因子分析作出系统的阐述。

二、验证性因子分析

总体而言，验证性因子分析的流程会依据量表中维度与题项的情况而调整，但是万变不离其中的是：先总后分，总分都要！！！

一般常用的效度指标包括结构效度、聚合效度与区分效度。验证性因子分析主要展示问卷的聚合效度和区分效度与适配度指标。

结构效度（探索性因子分析）

一般采用三个标准进行结构效度的判断：公共因子的累积方差贡献率至少在40%以上；每一个题项都应在其对应的维度上有较高的载荷值（大于0.40），而对其他维度的载荷值应该较低；公因子方差均应大于0.40。

聚合效度

聚合效度是指运用不同测量方法测定同一目标时，测量结果的相似程度。聚合效度的常用指标是AVE和CR，当AVE值大于0.50且CR值大于0.70则说明聚合效度良好。

区分效度

区分效度是指测量不同构念时，所观测到的数值之间应该能够加以区分。区分效度的检验一般采用AVE平方根与相关系数值比较的方法，若AVE平方根大于相关系数值，则区分效度良好。

适配度指标

若问卷的适配度指标能够达到以下的标准，则说明适配度指标较优。

表1 适配度指标及标准
指标	标准	标准	指标
$x^{2}/df$	1~5	$CFI$	$> 0.90$
$SRMR$	$< 0.08$	$IFI$	$> 0.90$
$RMSEA$	$< 0.08$	$RFI$	$> 0.90$
$GFI$	$> 0.90$	$NFI$	$> 0.90$

三、具体情况具体分析

现在，我们将情况分为两类：

第一类：假设模型中所有变量都为单维度量表

情况一：不妨假设有自变量EL，因变量EE，中介变量OI，且三个变量都为单维度量表，每个维度的题项数少于4项。

表2 题项情况（变量纯属虚构）
变量	维度	题项
EL	1	3
EE	1	3
OI	1	3

第一步：应用AMOS进行验证性因子分析，在绘图区构建模型如下：

第二步：由于该模型中不存在多维度量表以及包含四个题项以上的量表，因此无需进行单独说明。直接报告整体模型的效度检验结果，如下。

表3 聚合效度与适配度检验（数据纯属虚构）
变量	题项	因子载荷	CR	AVE	适配度指标
A	A1	0.678	0.8376	0.6356	$\large x^{2}/df=2.408$ $\large SRMR=0.0224$ $\large RMSEA=0.048$ $\large GFI=0.985$ $\large CFI=0.991$ $\large IFI=0.991$ $\large RFI=0.969$ $\large NFI=0.985$
	A2	0.789
	A3	0.908
B	B1	0.839	0.8453	0.6459
	B2	0.811
	B3	0.759
C	C1	0.689	0.8333	0.627
	C2	0.808
	C3	0.868