区别效度？
区别效度时要求潜变量的相关性小于多少啊？给个 来源。 1、因子分析法做区别效度分析：Kerhnger(1986)提出，同一构面中，因子负荷值越大(通<br /> 常为0.5以上)，表示收敛效度越高;每一个项目只能在其所属的构面中，出现一<br /> 个大于.05以上的因子负荷值，符合这个条件的项目越多，则量表的区别效度越高。<br /> 2、用amos等做验证性因子分析时，修正指数(M)I被用来检验区别效度。修正指数指的是模型中某个受限制的<br /> 参数(通常是固定为0的参数)，若容许自由估计，模型会因此而改良，整个模型卡方减少的数值，称为此参数的修正指数。Ml小于3.84(P<0.05)或6.63(P<001)，表明测量模型有较好的区别效度(侯杰泰，2004)<br /> 3、（你的问题参照这个）通常，对一个变量进行维度划分，既要求各维度之间显著相关，但又必须具<br /> 有足够的区分效度。因为，假若各维度之间的相关性不显著，则可能表明各维度<br /> 并非反映一个共同的变量。但如相关性过强，则又可能表明各维度实质为同一概<br /> 念，没有进行维度划分的必要。多数学者(如侯杰泰等(2004)与黄芳铭(2005))<br /> 一致认为，对于维度间是否显著相关，可通过维度间相关系数的T值进行判断，<br /> 通常可简单地取T值大于2为是否显著的判断标准。<br /> 对于各维度间是否存在足够的区分效度，通常采用比较各维度间完全标准化<br /> 相关系数与所涉及各维度自身AVE的平方根值大小，当前者小于后者，则表明<br /> 各维度间存在足够的区分效度，反之，则区分效度不够(Fomell&Larcker， 1981)<br /> <br /> 我一般用前两种方法，建议参考我分享的两篇文章。 <ul class="s_clear"> 两篇文章的链接http://bbs.pinggu.org/thread-497273-1-1.html 非常好，谢谢！！！ <strong> 2# <i>yangyang9189</i> </strong> <br /> <br /> <br /> 回答的真是精彩！鞭辟入里！ <strong> 2# <i>yangyang9189</i> </strong> <br /> <br /> <br /> 版主讲的或许应该是这本书：<br /> <br /> Kerlinger, F.N. (1986). Foundations of behavioral research (3 rd ed.). Fort Worth: Holt Rinehart and Winston. 3rd <strong> 3# <i>yangyang9189</i> </strong> <br /> <br /> <br /> <br /> 多谢 版主大大分享宝贵心得数据！有助于加强学习！<strong>很有帮助！！</strong>页:
[1]