案例,spss,数据分析
您现在的位置:SPSS分析网 >> SPSS学习案例

效度分析(即有效性,测量特性的正确性程度)


此文字数共约:10000字  文章页数共约:16页  发布时间:2021年及之前  原创指数:3.6

【内容概述】

说明:效度一般主要分为内容效度、结构效度、收敛效度、区别效度。(一)内容效度又称为表面效度或逻辑效度,由研究者或专家评判。如果采用在现有文献和前文研究的基础上,结合研究情境修正而来,具有良好的理论继承性和延展性,能够保证测量问卷的内容效度。(二)结构效度指结果体现出来的某种结构与测值之间的对应程度。有些学者认为,效度分析最理想的方法是利用因子分析测量量表或整个问卷的结构效度。因子分析的主要功能是从量表全部变量中提取一些公因子,各公因子分布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

说明:效度一般主要分为内容效度、结构效度、收敛效度、区别效度。
(一)内容效度
又称为表面效度或逻辑效度,由研究者或专家评判。如果采用在现有文献和前文研究的基础上,结合研究情境修正而来,具有良好的理论继承性和延展性,能够保证测量问卷的内容效度。
(二)结构效度
指结果体现出来的某种结构与测值之间的对应程度。有些学者认为,效度分析最理想的方法是利用因子分析测量量表或整个问卷的结构效度。因子分析的主要功能是从量表全部变量中提取一些公因子,各公因子分布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。因子分析结果中,用于评价结构效度的主要指标有累积贡献率、共同度和因子载荷。
累积贡献率(方差贡献):反映公因子对量表的累积有效程度;
变量共同度:反映公因子解释原变量的有效程度;
因子载荷(成分载荷):反映原变量与某个公因子的相关程度。
(三)因子分析求“KMO和Bartlett’s球形度检验值”操作步骤
 “分析”菜单降维因子分析在对话框中选择所有主观变量名
点击“描述”按钮,在对话框勾选“KMO和Bartlett’s球形度检验”,然后点击”继续”
点击“旋转”按钮,在对话框勾选“最大方差法”,然后点击”继续”
点击“选项”按钮,在对话框勾选“按大小排序”,然后点击”继续”
 “确定”。
如果KMO值>0.7,说明问卷的结构效度良好。(KMO>0.9表示极好,0.8-0.9表示好,0.8-.0.7表示一般,0.6-0.7表示差,0.5-0.6表示极差,样本偏小,需要扩大样本容量。KMO值越大说明变量之间的共同因子越多,越适合对研究数据进行因子分析)
(四)因子分析求“因子载荷”值操作步骤
“分析”菜单降维因子分析在对话框中选择所有主观变量名
点击“旋转”按钮,在对话框勾选“载荷图”,然后点击”继续”
 

 “确定”。输出结果如下:
 

又如:
 


(四)区分效度
区分效度较多用在因子分析中,验证各因子间的独立性。
由于并不十分清楚题主看的论文具体内容,通过表格,我大致猜测这个表格应该是各潜变量之间的相关系数。
有一种区分效度检验方法是各因子AVE(平均提取方差)的平方根均大于其与其他因子的相关系数时,认为区分效度较好。
因此,计算方法大致如下:
(1)计算显变量的因子载荷
(2)通过显变量的因子载荷,计算潜变量的AVE
(3)AVE开根号
(4)计算各潜变量间的相关系数:可用AMOS进行
(5)列出表格进行比较
(6)可以将相关系数表对角线上的“1”全部替换车AVE开根号,便于比较。

 

 


*若需协助请咨询↓→[电脑QQ咨询][手机QQ咨询]【技术协助】

  • 上一篇:没有了
  • 下一篇:因子分析:分析-降维-因子分析