第5章 效度和結(jié)構(gòu)效度分析
　　5．1 測量工具的效度
　　效度是指測量工具對測量對象的測量能力，也就是說，測量工具可以在多大程度上測量所要測量的東西。在社會科學(xué)研究中，通常使用兩種方法確立測量工具的效度：邏輯證據(jù)和統(tǒng)計證據(jù)。用邏輯證據(jù)來確立效度就是證明測量工具中的問題與研究目的是否合適，而用統(tǒng)計證據(jù)來確立效度則是通過一定的計算提供硬證據(jù)來證明問題與研究目的的關(guān)系。
　　在問題與研究目的之間建立邏輯聯(lián)系既易又難。容易的是，研究者自己就可以判斷它們之間的聯(lián)系。難的是這種判斷必須有更多的支持，如別的研究者和統(tǒng)計數(shù)據(jù)，即是說，這種聯(lián)系不是憑空而來。如果需要測量的東西比較具體，或比較直觀(如年齡或收入等)，在測量問題和研究目的之間建立聯(lián)系并不難。但是如果測量的是個人態(tài)度或教學(xué)方法的有效性，要確立測量工具的效度難度就大一些。對于比較抽象的概念或者是不易直接觀察的事物，測量工具中就需要更多的問題，才可以覆蓋它們的不同方面，才可以證實所問的問題測量的就是此概念或事物。
　　5．2效度的種類
　　效度可以分為內(nèi)在效度(internaI validity)和外在效度(external validity)。內(nèi)在效度是指存在于測量工具本身的效度，它包括內(nèi)容效度(content validity)和結(jié)構(gòu)效度(construct validity)。外在效度是指利用測量工具以外的標準，即外在標準驗證而得以證實的效度，它包括預(yù)示效度(predictive’validity)和共時效度(concurrent validity)。預(yù)示效度的判斷是根據(jù)測量工具能在多大程度上預(yù)示結(jié)果，而共時效度的判斷則是根據(jù)一種測量工具與另外測量工具同時使用時進行的比較。
　　內(nèi)容效度涉及量表項目或問題的關(guān)聯(lián)性以及量表的覆蓋范圍。
　　上面講過，判斷測量工具是否測量了想要測量的東西，主要依據(jù)是問題與研究目的之間的邏輯聯(lián)系。量表的每個項目和問題必須與研究目的之間有邏輯聯(lián)系，這種聯(lián)系的建立有人稱之為表面效度(face validity)。項目和問題必須涵蓋需要測量的事物或態(tài)度的整個范圍，從這點來評判測量工具的項目就是內(nèi)容效度(Kurear，1999)。此外，對測量的事物或態(tài)度的覆蓋必須平衡，也就是每一個方面必須用類似的、足夠的問題或項目來呈現(xiàn)出來。一個研究者判斷內(nèi)容效度必須像其他研究者所判斷的一樣，也依據(jù)項目或問題在多大程度上表現(xiàn)了要測量的東西。內(nèi)容效度的保證就是項目和問題與研究目的之間的聯(lián)系分析，以及它們對所測量對象的覆蓋分析，即設(shè)法獲得邏輯證據(jù)，這方面沒有什么驗證公式或統(tǒng)計程序可供使用。
　　結(jié)構(gòu)效度不是指測量工具的結(jié)構(gòu)，而是指它以之為基礎(chǔ)的理論結(jié)構(gòu)。結(jié)構(gòu)效度的確立依賴于統(tǒng)計方法，它是由每一結(jié)構(gòu)對觀測現(xiàn)象的整個方差的貢獻來決定的。比如，前面幾章講到了研究不同受試者的焦慮感程度，可以把語言運用焦慮、課堂焦慮和評價焦慮看作是焦慮感的三個最重要的因素或結(jié)構(gòu)。我們可以通過統(tǒng)計程序來確定這三個因素(結(jié)構(gòu))對于整個焦慮感方差的貢獻。這些因素對整個方差的貢獻就表明了焦慮感問卷效度的程度。這些結(jié)構(gòu)解釋的方差越大，說明問卷的效度就越高。相關(guān)分析、因子分析方法和多維量表方法(multidimensional scaling)等統(tǒng)計方法常被用來檢驗結(jié)構(gòu)效度。
　　5．3 結(jié)構(gòu)效度分析——因子分析
　　在社會科學(xué)領(lǐng)域中，人們常用因子分析來進行結(jié)構(gòu)效度分析。因子分析通過研究眾多原始變量(往往是問卷中的問題)之間的內(nèi)部依賴關(guān)系，探討觀測數(shù)據(jù)中的基本結(jié)構(gòu)，將彼此相關(guān)的原始變量轉(zhuǎn)化成少數(shù)有概念意義、彼此獨立性大、能反映眾多原始變量所代表的主要信息的基礎(chǔ)變量，即因子(factor)。因子分析就是研究在丟失信息最少的情況下，如何把眾多的原始變量濃縮為少數(shù)幾個因子。
　　在多元統(tǒng)計分析中，往往原始變量的數(shù)量較多，而且它們之間存在著較強的相關(guān)關(guān)系。如果進行多元回歸分析，而自變量之間高度相關(guān)，就會出現(xiàn)多重共線性現(xiàn)象，也就是說，這些變量之間的高度相關(guān)說明它們所反映的信息高度重合。這就會給研究者使用多元回歸等統(tǒng)計方法帶來困難，而且也難以對原始變量進行分析和描述。但是，如果通過因子分析就可以找到較少的幾個因子，這些因子代表了數(shù)據(jù)的基本結(jié)構(gòu)，反映了信息的本質(zhì)特征，就可以較好地對其加以分析和描述。
　　因子分析的另一個特點是進行數(shù)據(jù)簡化。通過因子分析把一組變量化為少數(shù)幾個因子后，可進一步將原始變量的信息轉(zhuǎn)換成這些因子的因子值，利用因子值可直接對樣本進行分類和綜合評價，還可用這些因子值代替原始變量進行其他統(tǒng)計分析，如回歸分析、路徑分析等等。
　　因子分析分為探索性因子分析(exploratory factor analysis)和驗證性因子分析(confirmatory factor analysis)。如果研究者事先對觀測數(shù)據(jù)背后存在多少個基礎(chǔ)變量(即因子)一無所知或知之甚少，因子分析用來探索基礎(chǔ)變量的維數(shù)，就是探索性因子分析。進行探索性因子分析，最好使用主成分分析法，并通過碎石圖確定提取因子的數(shù)目。如果研究者根據(jù)研究文獻或其他的先驗知識對因子的數(shù)目或因子結(jié)構(gòu)作出了假設(shè)，而用因子分析來檢驗假設(shè)，就是驗證性因子分析(參見Kumar，1999；郭志剛，1999)。關(guān)于將因子分析用于結(jié)構(gòu)效度檢驗，以下各節(jié)要詳細講解具體的作法，讀者還可參閱Wintergerst等人(2001)進行的學(xué)習(xí)風(fēng)格測量工具的結(jié)構(gòu)效度研究。
　　5．3．1 因子分析的基本概念和步驟
　　5．3．1．1 因子分析中的基本概念
　　(1)因子分析模型
　　因子分析模型中，假定每個原始變量由兩個部分組成：共同因子(common factors)和唯一因子(unique factors)。共同因子是各個原始變量所共有的因子，解釋變量之間的相關(guān)關(guān)系。唯一因子顧名思義是每個原始變量所特有的因子，表示該變量不能被共同因子解釋的部分。原始變量與因子分析時抽出的共同因子的相關(guān)關(guān)系用因子負荷表示(fact：or loadings)。
　　(2)因子負荷
　　因子負荷作為因子分析模型中的重要統(tǒng)計量，表明了原始變量和共同因子之間的相關(guān)關(guān)系。因子負荷的絕對值越大，表明共同因子與變量之間的關(guān)系越緊密。一般說來，負荷量為0．3或更大被認為有意義。所以，當(dāng)要判斷一個因子的意義時，需要查看哪些變量的負荷達到了0．3或0．3以上。
　　(3)共同性和特征值
　　共同性(communality)就是指每個原始變量在每個共同因子的負荷量的平方和，也就是指原始變量方差中由共同因子所決定的比率。變量的方差由共同因子和唯一因子組成。共同性表明了原始變量方差中能被共同因子解釋的部分，共同性越大，變量能被因子說明的程度越高，即因子可解釋該變量的方差越多。共同性的意義在于說明如果用共同因子替代原始變量后，原始變量的信息被保留的程度。
　　……