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 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 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。 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 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) 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 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 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 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)) 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, 通常可简单地取T值大于2为是否显著的判断标准。 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 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 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) 我一般用前两种方法,建议参考我分享的两篇文章。 |