- 最后登录
- 2018-2-10
- 注册时间
- 2010-7-10
- 威望
- 1
- 金钱
- 216
- 贡献
- 165
- 阅读权限
- 20
- 积分
- 382
- 日志
- 0
- 记录
- 0
- 帖子
- 44
- 主题
- 3
- 精华
- 0
- 好友
- 2
  
- 注册时间
- 2010-7-10
- 最后登录
- 2018-2-10
- 积分
- 382
- 精华
- 0
- 主题
- 3
- 帖子
- 44
|
Hongyan,先试着回答一下你的问题:
) Y3 S$ C" Y$ `: n& |/ V/ R: Z* P8 S+ C' o$ v1 J: \
(1) 我猜你说的应该是探索性因素分析吧。不知道你为什么需要保留或删去item呢?是在开发量表的过程中吗? 我理解探索性因素分析的目的不是用来决定题目的去留的,而是研究者不清楚或不事先定义item与construct的结构,“让数据说话”来探索一组变量背后是否存在潜在的因子结构。放进来做探索性因素分析的每个题目都是有原因的(比如可能来源于定性研究筛选整理的资料),不可以随便删掉。研究者需要做决定的是几个因子最合适。如果存在载荷较小或有交叉载荷的题目,需要弄清楚原因在哪里,是不是内容表达有歧义?还是这个问题确实和两个维度所说的内容都有关?然后把改编后的题目再放回量表再做一次,检验结果如何。如果仅仅根据loading大小来删减题目,那最后剩下的这些题目代表什么呢?' H3 G- ~1 d# F7 @! A, L) K
3 d" I" t! O( Q& C
(2) 效度可以是一个测量方法的效度,也可以是一个研究的效度。你指的应该是前者吧?我的理解是,效度是一个统称,即“一个测量能够反映其想测量的构念的程度”。任何你可以提供的相关支持和证据都可以用来支持一个测量的效度。所以,虽然效标关联效度(用测量值与“效标”的关系来表示效度)是最常用的,但并不是必须的——如果你可以提供其它有说服力的证据。6 ^# y% X* C" e0 O* G
* M" [( g# g: u7 e, c, Z& R1 Y
区别效度(discriminant validity)和聚合效度(convergent validity)本来只是MTMM里的专用术语,只是后来被误用了。MTMM也是用来检验新发展的量表效度如何的。在MTMM中,同一方法测不同的特质相关较小,说明区别效度较高,即可以区分出不同特质;不同方法测同一特质的结果若相关较高,即聚合效度较高。7 H7 ^8 S3 R& T
2 {+ w! n3 o6 S7 n: P5 L# t) y% l
本帖最后由 xinting.J 于 2010-12-6 09:14 编辑 ! R8 X1 ]# e2 S8 z+ X% X( M- r
( s! m& L: T" v1 Q
|
|