# 效度分析

# 1、作用

效度分析通常是指问卷量表的有效性和正确性，即分析问卷题目的设计是否合理。问卷的效度分析是基于主成分因子分析实现的，通过比较题项的因子载荷系数是否在同一主成分表现最优而实现。

# 2、输入输出描述

输入：至少两项或以上的定量变量或有序的定类变量，一般要求数据为量表量数据。
输出：设计的问卷题目是否合理有效。

# 3、案例示例

案例：测量收集到的现有的一个由 13 个量表题客户满意度量表，测量其题目设计是否合理。

# 4、案例数据

效度分析案例数据

至少两项或以上的定量变量或有序的定类变量指的是输入数据量表数据，案例数据为13列的李克特量表数据。

# 5、案例操作

Step1：新建项目；
Step2：上传数据；
Step3：选择对应数据打开后进行预览，确认无误后点击开始分析；
​
Step4：选择【效度分析】；
Step5：查看对应的数据数据格式，【效度分析】要求输入数据为放入 [定量] 或有序的 [定类] 自变量 X（变量数 ≥2）；
Step6: 修改因子维度数量；
Step7：点击【开始分析】，完成全部操作。

# 6、输出结果分析

输出结果 1： KMO 检验和 Bartlett 的检验
注：***、**、*分别代表 1%、5%、10%的显著性水平
图表说明 ：上表展示了 KMO 检验和 Bartlett 球形检验的结果，用来分析是否可以进行因子分析。
结果分析：结果显示，KMO 的值为 0.911，模型适合做因子分析，同时，Bartlett 球形检验的结果显示，显著性 P 值为 0.000**，水平上呈现显著性，拒绝原假设，各变量间具有相关性，因子分析有效。

输出结果 2： 解释总方差
图表说明：
上表为方差解释表格主要是看因子对于变量解释的贡献率（可以理解为究竟需要多少因子才能把变量表达为 100%），一般认为因子对于变量解释的贡献率在取到变量解释的特征根低于 1 时对应的主成分个数，要表达到 80%以上才可以，否则就要调整因子数据，而但也具体情况具体分析。

• 一般情况下，方差解释率越高，说明该主成分越重要，权重占比也应该越高;
  
• 权重计算：方差解释率/累积方差解释率。
  

结果分析：方差解释表中，选择主成分个数为 4 时，变量解释的特征根低于 1，变量解释的贡献率达到 0.766,基本可以可以提取问卷题项信息。
​
​

输出结果 3： 碎石图

图表说明：

• 碎石图是根据各主成分对数据变异的解释程度绘制的图。其作用是根据特征值下降的坡度来确认需要选择的因子主成分个数，结合方差解释表可用于确认或调整因子主成分个数;
  
• 每一个主成分为一个点，通过“坡度趋于平缓”的未知判断提取主成分的数量。
  

结果分析：特征根在 2 之后趋于平缓，但问卷本身设置是有 4 个量表，故设定因子主成分个数为 4。

输出结果 4： 因子载荷系数表

图表说明： 上表为因子载荷系数表，可以分析到每个主成分中隐变量的重要性。

输出结果 5： 因子载荷矩阵热力图

图表说明：上图为载荷矩阵热力图，可以分析到每个主成分中隐变量的重要性。同时可结合具体业务进行各因子的隐变量分析。
结果分析：A 量表 1-A 量表 4，基本对应因子 2，载荷系数均大于 0.4，说明问卷在 A 量表上基本合理，但是量表 A 的 1 项在因子 1 出现更大的载荷，可以检查量表情况。
B 量表 1-A 量表 4，基本对应因子 1，载荷系数在量表 1、2、3 均大于 0.4 但是在量表 4 低于 0.4，说明问卷在 B 量表上存在部分问题，量表 B 的 4 项在载荷低于 0.4 且在因子 2 出现更大的载荷，可以考虑删除第 4 项再检查。
C 量表 1-A 量表 4，基本对应因子 4，载荷系数均大于 0.4，说明问卷在 C 量表上基本合理，但是量表 C 的 3 项在因子 1 出现更大的载荷，可以检查量表情况。
D 量表 1-A 量表 4，基本对应因子 4，载荷系数均大于 0.4，说明问卷在 D 量表上基本合理。

# 7、注意事项

• SPSSPRO 的效度分析基于验证性因子分析，深入内容可参考验证性因子分析。

# 8、模型理论

效度（Validity） 即有效性，它是指测量工具或手段能够准确测出所需测量的事物的程度。效度分为三种类型：内容效度、准则效度和结构效度。效度分析有多种方法，其测量结果反映效度的不同方面。常用于调查问卷效度分析的方法主要有以下几种：
1、单项与总和相关效度分析
这种方法用于测量量表的内容效度。内容效度又称表面效度或逻辑效度，它是指所设计的题项能否代表所要测量的内容或主题。对内容效度常采用逻辑分析与统计分析相结合的方法进行评价。逻辑分析一般由研究者或专家评判所选题项是否“看上去”符合测量的目的和要求。统计分析主要采用单项与总和相关分析法获得评价结果，即计算每个题项得分与题项总分的相关系数，根据相关是否显著判断是否有效。若量表中有反意题项，应将其逆向处理后再计算总分。
2、准则效度分析
准则效度又称为效标效度或预测效度。准则效度分析是根据已经得到确定的某种理论，选择一种指标或测量工具作为准则（效标），分析问卷题项与准则的联系，若二者相关显著，或者问卷题项对准则的不同取值、特性表现出显著差异，则为有效的题项。评价准则效度的方法是相关分析或差异显著性检验。在调查问卷的效度分析中，选择一个合适的准则往往十分困难，使这种方法的应用受到一定限制。
3、结构效度分析
结构效度是指测量结果体现出来的某种结构与测值之间的对应程度。结构效度分析所采用的方法是因子分析。有的学者认为，效度分析最理想的方法是利用因子分析测量量表或整个问卷的结构效度。
因子分析的主要功能是从量表全部变量（题项）中提取一些公因子，各公因子分别与某一群特定变量高度关联，这些公因子即代表了量表的基本结构。通过因子分析可以考察问卷是否能够测量出研究者设计问卷时假设的某种结构。在因子分析的结果中，用于评价结构效度的主要指标有累积贡献率、共同度和因子负荷。累积贡献率反映公因子对量表或问卷的累积有效程度，共同度反映由公因子解释原变量的有效程度，因子负荷反映原变量与某个公因子的相关程度。

# 9、参考文献

[1] Scientific Platform Serving for Statistics Professional 2021. SPSSPRO. (Version 1.0.11)[Online Application Software]. Retrieved from https://www.spsspro.com.
[2] 曾五一,黄炳艺.调查问卷的可信度和有效度分析[J].统计与信息论坛,2005(06):13-17.