|
以下是本人的一些建议（主要基于Hair et al. (2006) 的Multivariate data analysis）
1. 先在SPSS环境下进行探索性因子分析（EFA），一般我倾向于使用更为严谨的Principal Axis Factoring 加上斜交旋转法（e.g., promax或Direct Oblimin），也有些学者喜欢用主成分分析法（PCA），EFA可以帮助初步检查某些题目可能因子负荷过小。根据Hair等人的建议，最后题目的因子负荷最小值为0.5，更理想的状态可高达0.7及以上（因为0.7的平方为0.49，即这道题解释相应潜变量约50%的变异）。
2.基于第一步骤，将“合格”的题目保留，准备做下一步的验证性因子分析（CFA）。需要注意的是，若在第一步时发现某些题目“意外”地落在其它因子上且具有很高的因子负荷时，你需要重新审视分析该题目的含义，是否真的更适合落在另一个因子，若是，你可以需要考虑在CFA中将其放在另一个因子内分析。但如果某题目在你所设计的两个因子上的负荷相当，你可能需要考虑将该题目删去，这样可以避免"multi-collineary"的问题。在CFA中，你需要检查各条关于潜变量与题目之间的路径是否显著（p<0.05）以及路径系数是否大于0.50，若有不符合这两个条件的题目，你可以考虑将其删去（除非你某个潜变量中的题目数过少，如少于3道时，可能需要酌情处理）。另外，每道题的误差变量也应达到p<0.05的显著性水平。
3. 在检查路径系数及其显著水平时，也需要检查模型的适合度问题，Hair建议以多个指标来同时测查，如χ2/df（小于3.0）、AGFI （>0.90）、CFI（>0.90）、 RMSEA （<0.07）与SRMR(<0.08)等。
4. 当2和3两个步骤中涉及的标准都符合了，你基本上可以考虑计算有关的信度与效度指标值了。
4.1 首先是内部一致性系数（α）值，这可通过SPSS软件获得，一般而言，该值以0.70以上为佳，但也有学者 （Hatcher & Stepanski）认为，对于社会科学研究，一般要求α 不应低于0.55。
4.2 其次是收敛效度，可通过“平均方差提取值”（Average Variance Extracted, AVE）来表征，该值可通过公式AVE = (∑λ2)/n，（n为某因子中的题目数；λ为因子负荷值，一般建议使用AMOS结果中的路径系数，必须是达到显著性水平的路径）。AVE反映了每个潜变量所解释的变异量中有多少来自于该潜变量中所有题目，当AVE值大于0.50时表示该潜变量具有较好的收敛效度。
4.3 另外，若想更严谨，还可再测查建构信度(Construct Reliability, CR)。CR反映了每个潜变量中所有题目是否一致性地解释该潜变量，当该值高于0.70时表示该潜变量具有较好的建构信度。CR = (∑λ)2)/((∑λ)2)+ ∑δ) （δ为每道题目的误差变量所解释的变异，可从AMOS结果报表中获得）
按照上述方法去检查各项指标，应该说在建立问卷的信度与效度方面已经比较足够有说服力了。以上意见仅供参考:)
| 
发帖
雷达卡
加好友,备注jltj
京公网安备 11010802022788号
论坛法律顾问：王进律师
知识产权保护声明
免责及隐私声明
显身卡
