变量效度检验

变量效度检验（内容、建构、收敛、判别）

一、内容效度

内容效度（Content validity）是指测量内容的适当性，判断测量内容是否符合目，一般是定性的判定。如果研究用于测量自变量、因变量以及调节变量的量表均是国内外学者的现有文献中使用过的测量量表，每个测量量表都具有可靠的数量指标，这些测量量表都有可靠的理论来源，具有较好的内容效度。

二、建构效度

建构效度反映了测量工具能够正确无误地测出潜在特质的程度，一般采用验证性因子分析（Confirmatory Factor Analysis，CFA）来检验构建效度。通常，我们可以用LISREL8.7软件检验外源变量（即自变量）和内源变量（即因变量）的量表建构效度，从而检验变量的CFA的整体模型拟合指数。拟合指数的指标判定选取绝对拟合、相对拟合和简约拟合等三类指数。

（1）外源变量CFA分析

因子载荷的判断：外源变量的各因子载荷（每个维度的语句）分别为均要求满足大于0.50的要求值，且没有大于或接近于1的数。

图片发自App

表5-5外源变量的CFA分析拟合指数

拟合指数分析用来判断模型的拟合度，一般通过以下一个指标判断。

其中，x²/df，RMSEA根据上图可直接观察到。

图片发自App

如果绝对拟合指数、相对拟合指数，简约拟合指数都基本符合所要求的接受值，表明测量模型具有良好的建构效度。

三、收敛效度

收敛效度是指量表与同一构念的其他指标相互关联的程度，一般通过CFA检验。各指标检验标准：因子载荷（λ）判断测量变量的收敛效度，要求λ值大于0.5，且t值大于1.97；平均变异萃取量（AVE）解释潜变量的程度，要求AVE值大于0.5；组合信度反映每个潜变量中所有测量题项是否一致的解释该潜变量，CR 值要满足大于 0.7，各潜变量的AVE值都大于0.5，满足以上所有条件，通常认为收敛效度较高。

图片发自App

利用“建构信度的计算”填写各变量值，计算出CR值和AVE值。例如：变量的维度A有3个语句，则输入观察变量的数目：3；X1,X2,X3分别填入各自的因子载荷值，点击“计算”，就得出平均变异抽取量（AVE）和组合信度（CR）的值。

四、判别效度

判别效度是指一个测量值与其他应该有所不同的构念之间不相互关联的程度。判别效度可通过CFA检验，如果各个因子的AVE的平方根均大于该因子与其同一列内所有其它的相关系数，则判别效度较高。如图，A因子的AVE的平方根（0.73）大于与其同一列的其他相关系数，即0.68，0.50.，0.49，0.51，0.55 。 

图片发自App

以上内容均转自百度文库