驗證性因子分析(CFA)區分效度的計算方法

2021-03-02 CHUICHUI統計君
使用結構方程式檢驗寫論文的時候，在驗證性因子分析階段，需要檢驗模型的效度。效度又分為聚斂效度和區分效度，上文我們先講解了聚斂效度的檢驗方法，這周輪到區分效度。

區分效度(discriminant valididy)：又稱區別效度，常指與測量不同特質的工具呈低相關，亦指測量同一潛在特質的各維度間應呈低相關或有顯著的差異。換個說法就是，測量某個維度的項目不應該在另外一個維度上有高負荷，或者說項目不應該具有跨負荷現象。

翻譯成人話就是，問卷裡的某一變量，是不應該與其他變量有強的相關性的。相關性越強，則代表兩個變量之間的重合度越高，兩個變量越趨近於相同。

因此，檢驗區分效度，需要使用到平均提取方差值(average variance extracted, AVE)和變數間的相關係數。若變數的平均提取方差(AVE)值大於此變數和其他所有變數的相關係數的平方值，則認為區分效度檢驗成立。

另外一種說法是：變數的平均提取方差值(AVE)的平方根，大於此變數和其他所有變數的相關係數，則區分效度檢驗成立。兩種說法在本質上是一致的，由於平方根的計算相對複雜一些，推薦使用第一種方法進行檢驗。

檢驗區分效度，先要計算出所有變數間的相關係數，可以使用SPSS來計算，也可以使用AMOS內部提供的結果。

舉例，某模型包含ABC三個變量，首先使用相關分析得出結果後，手動(推薦使用EXCEL函數: ^2)計算出所有變數間相關係數的平方值後，填入表格(綠色部分)。

再將每個變數的AVE值，填入表格的對角線部分(紅色)。做出如下圖所示的表格。

圖1. 檢驗區分效度

進行數值大小的比較，根據上文我們知道，某一變量的AVE值要大於此變量與其他所有變量的相關係數的平方。對照表格，即某一變量的AVE值，大於同一行和列的其他所有數值即可。

具體來說，以下三個變量AVE值(紅色)只要分別大於對應的綠色單元格的數據即可。如果滿足此條件，我們就說ABC三個變量的區別效度是成立的，ABC代表三個完全不同的變量。

圖2. 檢驗區分效度之比較方法

在進行效度分析的時候，如果研究涉及的變量過多，導致數值太多，不便解釋。這時，如果AVE的最小值，大於相關係數平方的最大值，那麼可以很輕易地得出結論：變數間的區分效度成立。


下圖為某一期刊的區分效度的驗證結果，變量為四種風險，參照表格下方的說明我們可以得知，表格內中間對角線的內容為變數的AVE值，對角線下方數值為相關係數，上方為相關係數的平方。

圖3. 某區分效度的論文舉例1

我們以第二個變量——性能風險(Performance risk)為例，已知性能風險的AVE值為0.705，性能風險與其他三個變量的相關係數的平方值(紅色線框)分別為 0.208，0.386，0.051，均小於0.705，因此性能風險與其他三種風險之間的區分效度良好。

圖4. 某區分效度的論文舉例2

同理，我們可以驗證所有的變數均滿足條件，因此區分效度良好，驗證結束。

套用我們上面給出的小竅門來看一下，四個變量間最小的AVE值為財務風險(Financial risk)的0.628，最大的相關係數的平方值為0.386(Performance risk和Psycholoical risk)。0.628大於0.386，因此區分效度良好，驗證結束。

到此，結構方程式的效度檢驗就結束了，下一步進行假設驗證就可以了。

如有疑問，請在下方留言，你的問題也許也會幫助到別人哦


如有疑問，請在下方留言，你的問題也許也會幫助到別人哦

相關焦點

  • AMOS分析技術:驗證性因子分析介紹;信度與效度指標詳解
    信度與效度看過草堂君信度與效度文章的朋友應該還記得：雖然求取不同領域信度和效度的分析方法會有不同，但是信度和效度的內涵是一致的：信度代表內部一致性，穩定性和聚集性，效度代表準確性和區分性。大家可以點擊下面文章回顧信度和效度：    數據分析技術：信度與效度；信度和效度代表什麼？
  • 驗證性因子分析(CFA)原來這麼好理解
    驗證性因子分析（confirmatory factor analysis, CFA）是用於測量因子與測量項(量表題項)之間的對應關係是否與研究者預測保持一致的一種研究方法。驗證性因子分析的使用場景驗證性因子分析CFA的主要目的在於進行效度驗證，同時還可以進行共同方法偏差CMV的分析。
  • 快速掌握驗證性因子分析
    驗證性因子分析（confirmatory factor analysis, CFA）通常可用於四種用途：一是針對成熟量表進行效度分析，包括結構效度，聚合（收斂效度）和區分效度；二是驗證性因子分析可用於組合信度的分析；三是驗證性因子分析還可用於進行共同方法偏差CMV檢驗；四是使用驗證性因子分析進行權重計算。
  • 探索性因子分析(EFA)與驗證性因子分析(CFA)--應用篇
    因子分析是基於相關關係對眾多數據進行降維（即簡化）的數據處理方法，目的在於挖掘出眾多數據後的某種結構。因子分析可分為：探索性因子分析和驗證性因子分析。探索性因子分析的英文縮寫為EFA（exploratory factor analysis），驗證性因子分析的英文縮寫為CFA（confirmatory factor analysis）。
  • 比較探索性因子分析(EFA)與驗證性因子分析(CFA)的--理論篇
    上一篇我們從實用性的角度對兩種因子分析做了比較，這一篇稍微補充一些理論知識，幫助大家更深刻的理解兩種因子分析方法。
  • 效度分析完整總結!你一定要知道的分析流程
    操作方法：首先確定效標，計算問卷得分，使用pearson相關分析，考察實測得分與效標得分兩組數據的相關性。判斷標準：相關係數越大，代表相關性越高，效度越高。（3）結構效度問卷結構效度分析的常用方法有兩種：探索性因子分析、驗證性因子分析。正常情況下，針對量表數據的效度分析，均需要使用探索性因子分析進行效度的驗證說明，並且配合內容效度進行綜合說明。
  • 你一定要知道的效度分析攻略
    操作方法：首先確定效標，計算問卷測量得分，使用pearson相關分析，考察實測得分與效標得分兩組數據的相關性。 （3）結構效度 問卷結構效度分析的常用方法有兩種：探索性因子分析、驗證性因子分析。 正常情況下，針對量表數據的效度分析，均需要使用探索性因子分析進行效度的驗證說明，並且配合內容效度進行綜合說明。
  • 【乾貨分享】效度分析的幾點思考
    效度分析在學術研究中非常常見，其用於分析『測量項是否真實有效的測量自己希望測量的變量』，效度分析的研究方式有多種，通常包括內容效度，結構效度（探索性因子分析法）和區分效度或聚合效度
  • 問卷數據分析——區分效度
    前面介紹了合成信度相關內容，現在我們來看區分效度部分。同樣先簡介定義，然後介紹操作計算部分。由於區分效度也是伴隨因子分析進行的，其畫圖、建模以及運行等過程，與合成信度的過程一模一樣，本文中案例所用的數據與合成信度也是同一數據，文中關於畫圖等過程就省略了，大家自行參照合成信度相關內容。
  • 數據分析技術:信度與效度;信度和效度代表什麼?
    評分者效度可以通過考察所有評分者每次打分的區分度來表示，例如在跳水比賽中，10名運動員跳難度係數相同的動作，比較所有6名裁判的10次打分結果（這裡的10次打分表示10個運動員成績），如果10個數據集合（每個數據集合有6個數據）之間有顯著性差異，那麼可以說明這6個裁判的打分能夠有效區分不同運動員表現的差異，也就是6個裁判的打分效度好。
  • 「乾貨分享」效度分析的幾點思考
    效度分析在學術研究中非常常見，其用於分析『測量項是否真實有效的測量自己希望測量的變量』，效度分析的研究方式有多種，通常包括內容效度，結構效度（探索性因子分析法）和區分效度或聚合效度（驗證性因子分析法）。
  • 驗證性因子分析與探索性因子分析的區別 | 附:量表編制步驟
    最近有老師問驗證性因子分析和探索性因子分析的區別，是不是在做量表的時候需要做驗證性因子分析？那麼是在什麼時候做？很明顯，編制量表的時候一定是需要做驗證性因子分析的。1.在進行探索性因子分析的時候，量表條目最終能形成幾個條目是未知的。
  • 超級糟糕的問卷效度,要如何調整?
    （2）分析項歸類清晰結構效度分為兩種：一種是使用探索性因子分析的方法；另一種是使用驗證性因子性分析。其中探索性因子分析適合非經典量表使用。（3）其他效度分析判斷指標：共同度、相關係數矩陣等如果變量相關性過高，可能會存在共線性問題，區分效度較低等問題；如果相關性太低，則說明變量之間的內在聯繫比較弱，不適合進行因子分析。通常共同度值>0.4即可。
  • 2、問卷數據——問卷量表的效度分析
    內容效度(邏輯效度)，指量表實際測量的內容與所要測量的內容之間的吻合程度,關注的是量表是否充分地覆蓋了所要研究的主題；準則效度(效標效度)，指根據已經得到確定的某種理論，選擇一種指標或量表作為準則即效標，通過計算相關係數判斷所採用量表與準則之間的一致性程度，然而對於準則量表的查詢和確定是比較困難的。準則效度包括預測效度與同時效度兩種類型。
  • 百篇數據分析方法合集,真是太太太全面了
    2.效度分析效度分析：檢驗問卷有效性問卷效度過低如何調整？信效度結果結果解讀驗證性因子分析（1）驗證性因子分析（2）3.其他題型分析多選題分析填空題分析項目分析：測量試卷題目區分度對應分析路徑分析結構方程模型SEM方差分析、T檢驗、卡方檢驗如何區分？
  • 驗證性因子分析思路總結
    驗證性因子分析，是用於測量因子與測量項(量表題項)之間的對應關係是否與研究者預測保持一致的一種研究方法。儘管因子分析適合任何學科使用，但以社會科學居多。目前有很多軟體都可以非常便利地實現驗證性因子分析，本文將基於SPSSAU系統進行說明。
  • 一文掌握效度分析所有知識點!
    效度分析用於研究題是否有效地表達研究變量或維度的概念信息，通俗地講，即研究題設計是否合理或題表示某個變量是否合適。通常情況下，效度分析只能分析量表題。針對效度分析，通常會使用內容效度分析、結構效度分析（探索性因子分析）和結構效度分析（驗證性因子分析）進行效度分析。效度分析類型如下所示。
  • 問卷信度效度之間有什麼關係如何分析
    是最為常見的信度測量方法（SPSSAU默認為此信度係數）。基本上所有問卷信度分析均會使用此類分析。通過軟體計算出α信度係數值，並且用其進行信度水平判斷。一般來講：α係數最好在0.8以上，0.7~0.8之間屬於可以接受範圍，而分量表的α信度係數希望在0.7以上， 0.6~0.7之間可以接受。如果α信度係數低於0.6則考慮修改量表。
  • 怎麼做好效度分析？
    （內容效度並非統計軟體進行的統計方法，對於問卷研究來講，基本上均需要進行內容效度說明。）（2）結構效度，指測量題項與測量維度之間的對應關係。測量方法有兩種，一種是探索性因子分析，另外一種是驗證性因子分析。其中，探索性因子分析是當前使用最為廣泛的結構效度測量方法。使用探索性因子分析進行效度驗證時，應該以量表為準，對變量或者量表分別進行分析。
  • 問卷一定要做效度分析嗎
    （內容效度並非統計軟體進行的統計方法，對於問卷研究來講，基本上均需要進行內容效度說明。）結構效度，指測量題項與測量維度之間的對應關係。測量方法有兩種，一種是探索性因子分析，另外一種是驗證性因子分析。其中，探索性因子分析是當前使用最為廣泛的結構效度測量方法。