量化研究方法-信度与效度分析

问卷信度与效度分析(ReliabilityandValidity)主要内容信度分析：内部一致性信度效度分析：结构效度信度与效度信度：多次测量结果的一致性。效度：达到测量的内容有效程度信度：内部一致性系数（Cronbach’sα）分半信度效度：结构效度（constructvalidity）(因素或因子分析实现)信度与效度需要与可能准确描述事物特征的一种两难：一方面，对事物的各种表现的观测越全面，对事物的认识就越准确和越完整；另一方面，对事物的观测越全面，得到的描述变量就越多，对事物的特性的表述却变得更加困难了！研究者会遇到有很多变量的数据。在如此多的变量之中，有很多是相关的。人们希望能够找出它们的少数“代表”来对它们进行描述。需要与可能因子分析：首先在广泛的范围内搜集资料，得到尽可能全面的多变量数据资料，然后用因子分析进行降维处理，用较少的维度整合资料，获得对事物全面、准确而又便利的描述。因子分析是将多个实测变量转换为少数几个综合指标的多元统计分析方法提出的问题能不能把这个数据的测量题目用综合的维度指标来表示呢？这些维度包含有多少原来的信息呢？几个重要概念：1.因子载荷：某个因子与某个原变量的相关系数，主要反映该公共因子对相应原变量的贡献力大小。2.变量共同度：对某一个原变量来说，其在所有因子上的载荷的平方和就叫做该变量的共同度。它反映了所有公共因子对该原变量的方差（变异）的解释程度。如果因子分析结果中大部分变量的共同度都高于0.8，说明提取的公共因子已经基本反映了原变量80％以上的信息，因子分析效果较好。变量共同度是衡量因子分析效果的常用指标。3.公共因子的方差贡献:是某公共因子对所有原变量载荷的平方和,它反映该公共因子对所有原始总变异的解释能力，等于因子载荷矩阵中某一列载荷的平方和。一个因子的方差贡献越大，说明该因子就越重要。假如因子分析得到m个共同因子，那么m个共同因子的变化可以解释各个变量的大部分变异，换句话说，用这m个因子可以在相当程度上预测每一个变量的变化。于是得到下列回归方程组：该方程组表示了得到m个公共因子后，就可以使用这些公共因子在一定程度上预测每一个观测变量。方程中的系数正好是相对应的观测变量与公共因子的相关系数，也叫做该观测变量在对应因子上的载荷，即因子载荷，它反映了二者的关系强度。1.因素分析适合度检验确定原有若干变量是否适合于做因子分析的基本依据是原有变量的相关矩阵。如果相关矩阵中的相关系数大都小于0.3，而且未达到显著性水平，则说明变量间的相关性普遍较低，它们存在潜在共同因子的可能性较小，就不再适合于做因子分析；如果相关系数都比较大，则可以进行因子分析。在相关基础上可计算三个用于判断因子分析适合度的指标：巴特利特球形检验（BartlettTestofSphericity）;KMO(Kaiser-Meyer-Olkin)检验。巴特利特球形检验（BartlettTestofSphericity）该检验首先假设变量相关矩阵为单位阵（对角线为1、非对角线为0），然后检验实际相关矩阵与此差异性。如果差异性显著，则拒绝单位阵假设，即认为原变量间的相关性显著，适合于作因子分析，否则不能作因子分析。KMO（Kaiser-Meyer-Olkin）检验KMO检验是依据变量间的简单相关与偏相关的比较。KMO值越大，适合于因子分析，反之则KMO值较小而不适合于做因子分析。Kaiser提供的判断标准是：0.9KMO:非常适合0.8KMO0.9：适合0.7KMO0.8：一般0.6KMO0.7：适合度较低KMO0.6：适合度很低经过巴特莱球形检验(Bartlett’sTestofSphericity)，X2=25336.689，df=231，p=.000.001，达到显著水平，表示量表上有共同因素的存在。KMO的抽样适度量数(Kaiser-MeyerMeasureofSamplingAdequacy)为.920，KMO=.920，表示适合进行因素分析。2.提取因子确定提取的公共因子及其个数。转换得到的每一主成分可以代表或解释一部分原变量的变化，按照其解释变量的量从大到小排列。一般选择主成分数是使解释变异量累加到80％以上，但有时又需要结合公共因子的可解释性来确定提取的公共因子数。用碎石图来直观反映主成分数与其解释原变量的累加效果以帮助确定提取公共因子数。ScreePlotComponentNumber654321Eigenvalue432103.因子变量的命名解释因子分析得到的每个公共因子都对原变量中的每一变量作出一定解释，而解释程度的大小反映在因子载荷大小上。一般我们可以得到每一列的因子载荷中有一些是比较大的，而另一些比较小，就可以知道该列对应的因子主要解释了哪些变量，以此确定该公共因子的主要特征和内涵。4.计算因子得分计算因子得分就是先要根据因子分析建立每个因子的回归方程，然后将具体个案的原变量分数代入就可以求出该个案的各因子分数。举例分析对教师压力源的因素分析