查看: 6180|回复: 3

关于效度检验

5 主题	6 听众	782 积分

秀才

Rank: 5 Rank: 5

注册时间: 2014-12-6
最后登录: 2016-12-8
积分: 782
精华: 0
主题: 5
帖子: 66

电梯直达

楼主

发表于 2015-1-6 00:57:33 |只看该作者 |倒序浏览

本帖最后由海洋宇宙于 2015-1-6 01:17 编辑

我觉得对于一阶构念的量表——就是构念（潜变量）只包含一个维度，该维度下面有若干题项（item）——对这样的量表关键是检验信度，只要α系数在合理区间，就表明量表有很好的内部一致性，再加上好的内容效度，那这个一阶构念量表采集的数据就是高质量的。

当然，如果这个一阶构念量表的题项很多，为了保险起见，可以做一个探索性因子分析，看是不是真的只析出一个因子。如果析出的因子多于一个，那说明构念包含的维度多于1，就和先前的假定矛盾了，这时候就要做些修正。

理论上也可以用验证性因子分析，用Amos画一个简单的测量模型。比方说这个一阶量表有5个题目，那测量模型就是一个大圆圈（构念），伸出5个方框（5个题项，或观察变量），然后5个小圆圈（测量误差），把数据带入，计算模拟值，能得出标准化因子载荷，模型的拟合指数也能算出一堆，卡方/df，各种FI，RMSEA，等等。
但罗胜强老师认为这样是没有意义的，除非你是在开发量表。而且如果一阶量表只有3个题项，这时测量模型的自由度为0，会得到一个perfect fit，但没有实际意义的模型。
具体链接看这里：http://bbs.chinahrd.net/thread-248726-1-1.html

但我看到有大量的文章在做这样的CFA，作者对用到的每一个构念，不管一阶、二阶，不管是否包含多个维度，全部构建测量模型，代入数据，CFA，计算出一系列的model fit值。。。

对于二阶构念量表，比如构念下包含3个维度，每个维度又有4个题项，对这样的二阶量表，先是计算信度α，可以每个维度算算，然后量表整体算算。至于效度，对于二阶量表而言，才有结构效度（包括聚合效度、区分效度）的问题。
先是结构效度，具体就是构建测量模型，然后带入数据，计算估计值，得出卡方/自由度，各种FI，RMSEA，等等，模型契合的好，说明结构效度佳；
然后是聚合效度和区分效度，我觉得这两个效度主要是针对同一构念的不同维度而言的，聚合效度是说，每个维度对应的题项，都落在了预定的维度上。直观来看就是，标准化模型里面，维度1后面的4个题项，标准化因子载荷都很高，0.8，0.9，等等，维度2后面的题项也类似，当然这只是直观看一下，具体指标可以看标准化因子载荷，组合信度（CR），平均方差提取量（AVE），如果你了解组合信度和AVE的计算方法，就会发现其实它们只是标准化因子载荷的一个变形而已，总体都是衡量一种聚合的趋势。
至于区分效度，主要是说，既然构念能够分成三个维度，那这三个维度之间肯定还是有区别的。区别效度好，就能顺利的分成3个维度，如果区分效度不好，就混在一起，甚至变成一阶构念了。

我觉得对区分效度的检验，错误是最多的。
n多人在用一个方法，用AVE的平方根去和相关系数比，前者大于后者，证明区分效度好。
问题是，AVE是构念下辖维度的AVE，相关系数是维度间的相关系数，太多人跳出了二阶构念的范围，开始计算不同构念的AVE，不同构念间的相关系数，这带来了一系列的问题。
比如，构念间的相关系数有可能是不显著的，这样的相关系数还能用么？一项研究涉及的构念（潜变量）很多，自变量X和因变量Y有显著的相关很正常，那些调节变量M呢？M很可能就是一个独立的外部条件，和X不显著相关太正常了，这种情况怎么办？
如果你明白区分效度究竟是做什么用的，就会发现为不显著的相关系数纠结很可笑。显著的正相关系数就好像发出了一个警告，“注意，这两个变量显著正相关，快检查一下它们俩能不能区分开！”然后我们检验区分效度，区分效度佳就说明能分开，不佳就说明混在一起了。不显著的相关系数暗示我们变量间关系不大，再劳神去检验区分效度八成是没有意义的。打个不恰当的例子，我们想知道A和B是否融为一体了，显著的相关系数就相当于说“A和B的距离小于1cm”，那自然有必要好好去检验一下，但不显著的相关系数可能相当于说“A和B还差着3米”，那有什么必要再凑上去仔细看呢？

再比如，相关系数是负的，AVE平方根肯定是正的，遇到负的相关系数就不用比了么？还是比较绝对值，或者像某些文章那样，用AVE和相关系数平方去比？

其实你回到同一构念下，在维度间考虑问题，以上两点根本就不可能出现：
首先，同一构念的不同维度必然是显著相关的，原因很简单，毕竟它们都是测同一个构念的；
其次，维度间也不可能出现负的相关系数，否则内部一致性何在？信度系数α那里就无法通过。

总结一下，我觉得理想的信度、效度分析是这样的：
一阶构念量表，计算α系数，做EFA，确保其一维结构；
二阶构念量表，计算α系数，构建测量模型，做CFA，检验结构效度，然后利用标准化因子载荷，组合信度（CR），平均方差提取量（AVE），维度间相关系数检验聚合效度和区分效度。

over