效度分析用於研究題是否有效地表達研究變量或維度的概念信息，通俗地講，即研究題設計是否合理或題表示某個變量是否合適。一般狀況下，效度分析只能分析量表題。
微信
針對效度分析，一般會使用內容效度分析和結構效度分析（探索性因子分析、驗證性因子分析）進行效度分析。效度分析類型以下所示。app
效度分析類型編輯器
效度分析類型測試 |
說 明flex |
內容效度分析編碼 |
使用文字描述量表設計的合理性url |
結構效度分析（探索性因子分析EFA）spa |
探索性因子分析結果，與專業預期進行對比.net |
結構效度分析（驗證性因子分析CFA）設計 |
驗證性因子分析判斷量表是否合理 |
1
效度分析基本說明
效度分析的目的在於判斷研究題是否能夠有效地測量研究人員須要測量的變量，通俗來說就是測量問卷題是否準確有效。
當信度分析不達標時，效度分析必然也不能達標。效度分析常見的有內容效度分析、結構效度分析，建議研究人員經過內容效度分析和結構效度分析這兩方面對問卷進行效度分析，以下圖所示。
效度分析分類
（1）內容效度分析。內容效度分析是指問卷題對相關概念測量的適用性狀況，簡單來說，即題設計的合理性狀況。內容效度分析能夠從兩個方面進行說明。
第一，專家判斷。專傢俱備權威性，所以若是專家對問卷進行判斷並得出確定，那麼能夠說明問卷具備有效性。此處的專家是指行業內專家或參考量表、權威來源等。
第二，問卷預測試。針對預測試數據進行分析，並結合分析結論對問題或選項進行修正，此處理過程可用於論證問卷設計的有效性。
（2）結構效度分析。結構效度分析指測量題與測量變量之間的對應關係。其測量方法有兩種，一種是探索性因子分析，另外一種是驗證性因子分析。
探索性因子分析是當前使用最普遍一種結構效度分析測量方法，此方法能夠經過SPSSAU或SPSS軟件實現。其實現方法與探索性因子分析的探索因子操做步驟類似，只是在進行具體文字分析時會側重於對效度的說明。
分析時，應該以量表爲準，對變量和量表分別進行分析（如分別針對自變量X、因變量Y進行），而不能將全部變量和量表放在一塊兒進行探索性因子分析。
分析步驟
使用探索性因子分析進行結構效度分析測量時：
（最爲簡單的效度分析是直接對每一個變量進行探索性因子分析，而且經過KMO值判斷，不須要判斷題與因子對應關係等狀況，可是此種判斷方法過於簡單，使用較少）
驗證性因子分析須要藉助SPSSAU、AMOS或LISREL等軟件進行測量，其對問卷量表質量、樣本量和樣本質量均有着較高的要求。若是問卷量表質量並不是很高或樣本量較少（低於200個），那麼驗證性因子分析進行的結構效度分析測量就很難達標。
2
如何使用SPSSAU進行分析
關於效度的操做上，SPSSAU操做分爲2步，以下：
Step1：點開「問卷研究」模塊裏面的「效度」，（固然也可使用SPSSAU「進階方法」模塊裏面的「因子」即探索性因子分析）。
Step2：將分析項拖拽到右側槓中，而且設置專業預期的維度個數（因子個數）。以下圖：
完成上兩步操做以後，直接「開始分析」便可獲得結果，相似以下圖：
效度分析是一個來回重複的過程，若是項與因子的對應關係狀況不符合預期，一般須要刪除掉對應出錯的項，而後再次重複分析，直至項與因子的對應關係狀況和專業預期保持一致。
3
效度不達標如何辦
其實效度的測量和SPSSAU軟件操做都是很是簡單的，SPSSAU上‘拖拽點一下’就獲得智能分析結果，指標值如何，是否達標等都直接分析出來了。但當出問題時，SPSSAU會告訴結果不達標，關鍵在於如何讓效度達標。
接下來從5個角度去剖析數據不達標的處理。
第1點：KMO值太低？
共同度(公因子方差)值表示信息的提取量，該值介於0~1之間，越大說明信息提取量越大，若是該值小於0.4那確定須要刪除掉，有時候小於0.5都會刪除掉。SPSSAU默認直接就提供此指標，而且自動化標識出有問題的項。移除共同度值較低項後再次分析便可。
特別提示，若是分析項僅2個，KMO值確定是爲0.5，此時不須要理會它便可。
第2點：對應關係出錯？
效度分析時，最關鍵的地方在於因子和分析項的對應關係狀況，與專業預期須要一致，這樣就能證實效度高。出現對應關係出錯時，即‘張冠李戴’時，直接把出現對應出錯的項移除出去再次分析。不少時候會出現問題，好比移除A也能夠，移除B也能夠，此時就須要來回屢次對比，重複不少次分析，找出最佳結果便可。
固然若是最終仍是不能夠，建議可考慮直接以KMO值做爲斷定效度的標準，直接看KMO值用於斷定效度，這種作法相對較爲簡單，但也不失爲一種處理辦法。
同時也能夠考慮以一個變量做爲單位進行效度分析，這種作法是避開因子與分析項的對應關係，直接假定某因子與不少項有着對應關係。
第3點：因子個數與預期不符？
SPSSAU默承認以設置因子個數，即維度個數。通常進行效度分析時，都須要設置因子（維度）個數，由於這表明預期的個數，只有研究本人才知道分析項分紅幾個因子。
除此以外，從數理角度是建議以特徵根大於1做爲因子個數的提取標準，但作效度分析時，一般是以專業角度的因子個數爲準，因此直接在SPSSAU裏面本身設置因子（維度）個數便可，而不須要對特徵根進行判斷。
第4點：反向題問題？
若是出現反向題，一般狀況下可反向處理，使用SPSSAU數據處理裏面的數據編碼，批量一次性處理便可。固然若是不處理也能夠，由於效度分析時，載荷係數值是看絕對值便可。
第5點：自變量和因變量分別進行？
效度分析時，通常狀況下，自變量和因變量是徹底分開進行的，爲何須要這樣呢，多數狀況下自變量和因變量有着相關關係，若是放在一塊兒進行，這自己就會對分析帶來干擾，所以通常分別進行效度分析便可。
第6點：其它問題
效度分析還可能出現其它的問題，好比方差解釋率太低，對應關係不管如何也不達標等，這多是因爲樣本量相對於分析項過少，通常但願樣本量是分析項的5倍以上較好。若是還有其它問題，建議查閱SPSSAU對應的說明便可。
END
本文分享自微信公衆號 - SPSSAU（spssau）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。