怎麼做好效度分析？

效度分析，簡單來說就是問卷設計的有效性、準確程度。

當我們在為研究主題設計問卷時，都會希望問題實際測量到的是我們希望測量的，這樣研究的數據才能準確的說明問題。

例如，我們想了解一個班級裡學生的綜合成績情況，正式研究中如果僅測試數學一科，然後得出結論，這樣的研究有效性可能很低，原因在於實際測量的方向與研究方向之間有很大偏差。

效度分類

效度又可分為內容效度、結構效度和效標效度。

（1）內容效度，指問卷題項對相關概念測量的合理性情況，通常是以文字來說明問卷的有效性。如通過參考文獻，或者權威來源說明問卷的權威性和有效性。還有就是通過對問卷前測並結合結果進行題項的修正等工作來充分說明問卷的有效性。

（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。

（3）效標效度，如果以前有一份權威且標準的量表數據，現在依舊使用該量表進行研究，並且收集回來一份數據。以前權威標準數據作為標準，當前數據與前一份數據之間進行相關分析，如果說相關係數值較高，則說明效標效度良好。

SPSSAU整理

案例應用

（1）背景

為測量消費者對某產品的購買意願及影響因素（共5個分別為：因素產品, 促銷, 渠道推廣, 價格, 個性化服務），設計了一份問卷。共25題（均為量表題），其中Q1~Q15影響因素對應題項，Q16~Q19為購買意願對應題項，現希望對量表效度情況進行分析，如果有不合理題項將其進行刪除處理。

（2）操作步驟

這裡使用的是探索性因子分析以驗證問卷效度水平

第一步：在左側分析方法菜單欄找到【問卷研究】->【效度】

第二步：將變量Q1~Q15拖拽到右側分析框內

第三步：設置輸出因子個數，預期有5個維度，所以設置因子個數為5。如果沒有確定預期維度，也可以選擇讓系統輸出。點擊「開始效度分析」

SPSSAU效度分析

（3）分析結果

第一步：首先分析KMO值：

KMO值為0.870，大於0.6，意味著數據具有效度。同時，旋轉後累積方差解釋率為69.708%>50%，說明研究項的信息量可以有效的提取出來。

第二步：分析題項與因子的對應關係；如果對應關係與研究心理預期基本一致，則說明效度良好。

可以看到所有題項的共同度均大於0.4。除Q6與預期維度對應不符以外，其他題項均與預期對應關係一致，且題項的因子載荷係數絕對值均高於0.4。因而刪除Q6，再次分析。

題項均已滿足預期對應關係，說明效度良好，與專業情況完全相符。

第三步：對分析進行總結。

使用探索性因子分析進行效度分析，15個量表題目共分為5個維度；刪除掉Q6共一道題，最終餘下14個題項，此14項與維度對應關係情況良好，與專業預期相符。從上表可知：KMO值為0.870>0.6，通過巴特球形檢驗，累積方差解釋率值為69.708%，說明5個維度可以提取出大部分題項信息。因而綜合說明研究數據具有良好的結構效度水平。

總結

（1）效度分析只針對量表題，如為非量表題可用文字形式進行描述以測量問卷的有效性

（2）如果KMO值過低，可刪除共同度較低項，再次分析

（3）效度分析時，很可能需要刪除題目，以便於維度和題項對應關係符合預期，最關鍵的地方在於：維度和題項對應關係是否與專業預期符合；其餘指標相應比較容易達標，最核心的是讓維度和題項對應關係保持基本一致性

（4）無論如何效度分析均不達標，可考慮以單個維度分別進行分析，有幾個維度就分析幾次（同一維度的題目一起分析，僅需要刪除掉因子載荷係數值低於0.4的題項即可，不用考慮多個維度間的邏輯對應關係）

（5）如果分析過程中刪除某題項（即刪除該題目及對應的數據），後續所有的分析都要按刪除後的問卷作為標準進行分析

更多分析方法的使用說明可到SPSSAU官網查看。