本人使用AMOS测查量表型问卷的信度效度的一些体会分享

注：以下建议主要基于Hair et al. (2006) 的Multivariate data analysis一书。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）。<br /> 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&quot;multi-collineary&quot;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&lt;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&lt;0.05的显著性水平。<br /> 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 （&gt;0.90）、CFI（&gt;0.90）、 RMSEA （&lt;0.07）与SRMR(&lt;0.08)等。<br /> 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。<br /> 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 &amp; Stepanski）认为，对于社会科学研究，一般要求α 不应低于0.55。<br /> 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。<br /> 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)&nbsp;&nbsp;（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）<br /> 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                    <ul class="s_clear">

回复 1# dataanlysis


    楼主请问，怎么是先拟合，后进行效度信度检验啊？不应该是在数据分析以前先进行信度效度检验啊？

感谢楼上朋友的指教，又学到新的东西

34# stephen1981
有2个问题要值得警惕：一是量表题目内容是否过度窄化？过度窄化的题目所导致的高度内部同质性之特殊变异量必会形成同一因子，但却与其他因子或效标无任何关联。这就是所谓的特殊灌水因素（bloated specific, Cattell,1978）。二是是否存在共同方法偏差？存在共同方法偏差的显著特征就是形成一个因素。因此，可从3方面考虑，1）量表的内容要在广度与深度之间取得平衡；2）排除数据采集质量的问题；3）侦测共同方法偏差

runnyreddy 发表于 2011-6-28 22:33
另外，可供参考的意见是，一般而言，因子负荷值不宜过高，一般0.90或0.95以上的负荷值可能意味着该题目需要被删除。这是为什么呢？请您分析一下

在进行整体模型适配度估计之前，即检查模型适配参数，如CFI，GFI，RMSEA等值是否达标之前，研究者需要检验模型是否违反估计，即检验标准化参数的估计值的合理性。根据吴明隆老师的《结构方程模型-AMOS的操作与应用》一书观点，标准化路径系数（题目到因子）通常可接受的最高门坎值为0.95,否则说明模型可能违反估计(Bogozzi & Yi, 1988; Byrne, 2001)，已失去做进一步检验适配度的意义。更详细的说明敬请查阅吴老师的书。以上意见仅供参考之用!谢谢您的宝贵问题

cj05gy314 发表于 2011-6-27 22:39
请问大大们 18楼 的问题怎么解决呢？ 我现在也遇到了这样的问题   一个分量表的因子分析集中在一个因子上，而本意想要有四个因素  头疼啊

这位朋友您好，我的理解能力不太好，您的意思是指对于一个总量表本意有四个因子吗？因为如果是“分量表”，那一般我们在意义上理解成某个因子。（1）我先当您指的是总量表吧。如果说，您按本意（如基于文献综述或已有比较公认的理论）应用四个因子，但做出来只有一个因子，那说明您所收集的数据与“本意”不符，其实不需要头疼啊，也许这是您的研究对文献的一大贡献啊。譬如，可能您原来所使用的测量工具它本身是在不同的文化背景或者以不同人群为样本而发展得到的，换言之，西方教育文化下的工具在东方本土环境下不一定适用（如因子结构不一定一致）；或者，原工具可能是适用于中学生，而当其用于大学生或小学生时，也许会出现“失真”的现象，等等。研究过程中，经常会出现一些与我们本意不太一致的结果，其实这反而是它有趣且有意义的地方，如果每次都与预想或原有理论一致，反而不太像真正的研究，却更像我们在中学做理科实验一样，对着书本照方抓药，还未做实验就知道结果了。。。倘若我们能结合样本的特殊性（如学业成绩，性别分布，家庭背景。。。）或者所处的文化背景来诠释研究结果，虽表面上与文献不太一致，但如果能做到"自圆其说"，突破思维的限制，从其它的理论模架来理解，这反而是一大亮点，更让同行能重新思考原有理论可能存在的局限性，从而促进新理论的生成与发展啊！记得，是让数据说话，实践检验理论，理论只是起指导作用，而非要努力地使数据“服从”理论啊。以上意义仅供参考

另外，可供参考的意见是，一般而言，因子负荷值不宜过高，一般0.90或0.95以上的负荷值可能意味着该题目需要被删除。这是为什么呢？请您分析一下

请问大大们 18楼 的问题怎么解决呢？ 我现在也遇到了这样的问题   一个分量表的因子分析集中在一个因子上，而本意想要有四个因素  头疼啊

好多解答，此贴必火，先顶，日后再提问！

强烈引起重视