• 效度用于测量题项(定量数据)设计是否合理,通过因子分析(探索性因子分析)方法进行验证;研究人员心中预期着变量与题项对应关系;进行因子分析后,因子(即变量,使用因子分析时称因子)与题项对应关系;二者预期基本一致时,则说明具有良好效度水平.正常情况下，效度分析仅仅针对量表数据，非量表题目比如多选，单选性别之类的题目不能进行效度分析。如果一定想分析效度，建议可使用‘内容效度’，即用文字详细描述问卷设计的过程，用文字的形式描述清楚问卷是做什么，有什么用处，为什么合理，而且有专家认证，这样就说明问卷设计合理有效。

  • 如果用户预期分析项可分为几个方面(变量),则用户可自行设置因子个数（维度个数）,如果不设置,系统会以特征根值大于1作为判定标准设定因子个数;

  • 因子与题项对应关系判断

    假设分析题项为10个,预期分为3个因子(维度或变量);因子与题项交叉共得到30个数字,此30个数字称作”因子载荷系数”(因子载荷系数值表示分析项与因子之间的相关程度);针对每个分析项对应行,则有3个”因子载荷系数值”(比如0.765,-0.066,0.093),3个数字绝对值大于0.4，如果其对应因子1，则说明此题项应该划分在因子1下面.如下表所示:

    因子载荷系数表
    	因子载荷系数			共同度(公因子方差)
    	因子1	因子2	因子3
    分析项1	0.765	-0.066	0.093	0.598
    分析项2	0.676	0.081	-0.017	0.464
    分析项3	0.657	0.207	-0.205	0.517
    分析项4	0.645	0.271	0.089	0.497
    分析项5	0.501	0.457	0.085	0.467
    分析项6	0.311	0.697	-0.005	0.583
    分析项7	0.226	-0.669	0.130	0.516
    分析项8	0.191	0.644	0.046	0.453
    分析项9	0.476	-0.187	0.542	0.555
    分析项10	0.001	-0.048	0.968	0.939

    • 特别提示

    • 上表格中“分析项5”分别对应“因子1”和“因子2”时，因子载荷系数值分别是0.501和0.457，说明“分析项5”分别与“因子1”或“因子2”的关联性都较高（相对来看与“因子1”更高一点），但都比较高，所以“分析项5”属于“因子1”或“因子2”均可。此类现象属于‘纠缠不清’。类似上表格中“分析项9”也属于“纠缠不清”。针对“纠缠不清”现象，SPSSAU建议暂不处理，一般可接受。

    • 还有一类现象叫做“张冠李戴”，即对应关系出现错误，假设‘分析1’应该和‘分析9’，‘分析10’是同一个维度；明显的上表格中，‘分析项1’放在‘因子1’下面，但是‘分析9’，‘分析10’都放在‘因子3’下面。说明‘分析项1’对应错了位置，本应该在‘因子3’下面却跑到‘因子1’下面，因而‘分析项1’就属于‘张冠李戴’。针对‘张冠李戴’，一定需要将题目删除重新进行分析。

  • 效度分析对不合理题项进行删除

    共有三种情况; 第一类:如果分析项的共同度(公因子方差)值小于0.4,则对应分析项应该作删除处理;第二类:某分析项对应的”因子载荷系数”的绝对值,全部均小于0.4,也需要删除此分析项;第三类:如果某分析项与因子对应关系出现严重偏差,也需要对该分析项进行删除处理（此现象称作‘张冠李戴’）。

  • 效度分析的其余判断指标

    特征根值(通常使用旋转后,以大于1作为标准),方差解释率(意义较小),累积方差解释率(通常使用旋转后,以大于50%作为标准),KMO值(大于0.6作为标准),巴特球形值对应的sig值(小于0.01作为标准)。

    分析项	效度分析说明
    网购满意度四个题项	网购满意度由四个题表示,分别是产品满意度,快递满意度,售后满意度,价格满意度(并且均为量表数据);此四个题表示网购满意度是否合理科学?
    网购满意度20个题项	网购满意度由20个题表示,并且可分为四个大方面,每方面与题项均有着对应关系预期;此种预期与软件出来的结果是否基本一致,如果一致则说明有效.否则需要对题项进行删减处理,删除不合理题项,保留有效题项。

    SPSSAU操作截图如下：（如果专业预期量表题目可分为5个维度，则首先设置“维度个数”为5）

    

效度分析案例

• 1、背景

  当前有一份数据,共涉及A1~A4,B1~B4,C1~C3,D1~D3共14个量表题，此14个题目共分为4个维度，分别称作A，B，C和D维度。现希望对此份数据效度情况进行分析，如果有不合理题项将其进行删除处理。

• 2、理论

  效度是一种概念，其是指研究项（通常比如为问卷量表题目）的设计是否具有科学合理性。通常情况下效度可分为内容效度和结构效度。内容效度是指研究项的设计具有专业性，结合研究目的进行，专家认可等，即使用文字直接描述研究项为什么要这样设计，有什么参考依据，或者有什么专业上的意义，内容效度直接用文字详细描述即可。除开内容效度，还可以使用研究方法进行效度验证，此类效度称做结构效度。

  一般情况下，结构效度是使用因子分析方法进行研究。使用研究方法去探索研究项的内在逻辑结构，通常逻辑结构的判断，最终验证效度水平情况。比如本案例中共有14个量表题项，4个维度，而且14个题项与4个维度之间均有着专业意义上的对应关系情况。那么如果使用研究方法即因子分析进行效度分析时，因子分析结果也显示4个维度分别与14个量表题项的对应关系，与专业上基本吻合，此时此说明研究方法识别出的逻辑内在结构，与专业意义上的内在逻辑结构有着一致性，此时则说明数据具有有效性。

  如果14个量表题项与4个维度之间的对应关系情况，与专业知识情况不符合，比如A1这个题目被划分到了C维度下面，此时则说明可能A1这个题项应该被删除处理，其出现了‘张冠李戴’现象。因而在进行分析时很可能会对部分不合理的题项进行删除处理。

  • 特别提示

  • 有时候会出现‘纠缠不清’现象，比如A1可归属为A维度，同时也可归属到C维度，这种情况较为正常（称作‘纠缠不清’），需要结合实际情况处理即可，可将A1删除，也可不删除，带有一定主观性。效度分析是一个多次重复的过程，比如删除某个或多个题项后，则需要重新再次分析进行对比选择等。最终目的在于：维度与题项对应关系，与专业知识情况基本吻合。

  • 关于维度(因子)和题项对应关系，维度(因子)和题项之间交叉会得到一个‘因子载荷系数’，此系数绝对值大于0.4，则说明二者有着较强关联性，该题项可以与该维度(因子)有着对应关系。

• 3、操作

  • Step1: 第一次分析

    本例子中A1~A4,B1~B4,C1~C3,D1~D3共14个量表题，此14个题目共分为4个维度，因此在分析前可主动告诉SPSSAU，此14项是四个维度，否则SPSSAU会自动判断多少个维度(通常软件自动判断与实际情况有很大出入，所以建议主动设置维度个数)。如下图：

    

    完成后结果如下：

    

    • 从上图中可知：

    • A1~A4这4项，它们全部对应着因子3时，因子载荷系数值均高于0.4，说明此4项应该同属于一个维度，即逻辑上A1~A4这4项，并没有出现‘张冠李戴’现象。但是A1和A2这两项出现‘纠缠不清’现象，A1和A2除了可以对应因子3，也可以放在因子1下面。一般出现‘纠缠不清’现象时，暂时保留，先处理清楚‘张冠李戴’问题更好。

    • B1~B4共4项，B2,B3,B4这3项对应着因子1下面，但是B1却对应着因子2，因此B1这项属于‘张冠李戴’，应该将B1删除。B2同时对应因子1和因子2均可，属于‘纠缠不清’，暂不处理B2。

    • C1~C3共3项，此3项均对应着因子2，此3项并没有出现‘纠缠不清’或者‘张冠李戴’问题。

    • D1~D3共3项，D3出现了‘张冠李戴’问题，应该进行删除处理。D2出现了‘纠缠不清问题’，应该给予关注。

    • 总结上述分析可知：B1和D3这两项出现‘张冠李戴’，应该首先将此两项删除；而A1，A2，B2，D2共四项有出现‘纠缠不清现象’，暂时不处理（进行关注即可）。将B1和D3这两项删除后，进行第二次分析。

  • Step2: 第二次分析

    将B1和D3这两项删除后，进行第二次分析。结果如下：

    

    • 从上图中可知：

    • A1出现‘张冠李戴’现象，应该删除，A2出现‘纠缠不清’现象，暂不处理，但应该给予关注。

    • B2~B4共3项没有问题

    • C1~C3共3项没有问题。

    • D2出现‘纠缠不清现象’

    • 总结可知：应该将A1先删除后再次进行第3次分析，另对A2和D2这两项给予关注。

  • Step3: 第三次分析

    将A1先删除后再次分析结果如下：

    

    • 从上图中可知：

    • D2可同时出现在因子2和因子4下面，但考虑到D维度当前仅余下2项，因而表示可以接受，A，B，C和D共4个维度，它们与题项对应关系良好，与专业情况完全相符。因而最终效度分析结束，总共删除掉B1，D3和A1共3项。

• 4、SPSSAU输出结果

  

  将最终处理好的结果作为最终结果，并且进行描述即可，由于中间过程可能会非常多，因而不需要具体报告中间过程表格。

• 5、文字分析

  使用探索性因子分析进行效度分析，14个量表题目共分为4个维度；在进行第一次分析时发现B1和D3这两项，它们与维度对应关系情况，和专业情况不符合（另外一种写法是因子载荷系数值小于0.4，本应该对应该维度时因子载荷系数大于0.4，但是却低于0.4了），因而删除此两项后进行第二次分析，第二次分析时删除掉A1这个题项。最终余下11个题项，此11项与维度对应关系情况良好，与专业预期相符。并且从上表可知：KMO值为0.876>0.6，通过巴特球形检验，累积方差解释率值为78.213%，说明4个维度可以提取出大部分题项信息。因而综合说明研究数据具有良好的结构效度水平。

• 6、剖析

  效度分析涉及以下几个关键点，分别如下：

  • 区分‘张冠李戴’和‘纠缠不清’这两种现象；

  • 通常先处理掉‘张冠李戴’现象，然后自然的到后面‘纠缠不清’问题会减少，后续即使有个别‘纠缠不清’现象时，也基本可以接受。

  • 通常需要首先设置好维度个数，而不是让软件自动识别。

  • 需要来回多次进行对比，找出最佳结果。

  • 同样的样本数据，不同的分析思路，有可能出现结果不相同，但只要符合效度的思维概念即可。

  • 如果无论如何效度分析均不达标，可考虑以单个维度为准，比如本例中有4个维度，则进行4次效度分析，然后将 4次分析结果合并规范。（PS:此类做法的思路是，题目同属于1个维度，仅需要删除掉因子载荷系数值低于0.4的题项即可，不用考虑多个维度间的逻辑对应关系。）