效度分析用于分析题是否可以有效的表达对应变量的概念信息，即分析量表题设计是否合理。在预测试和正式研究时均可以进行效度的分析，在绝大多数情况下，问卷研究会使用探索性因子分析进行结构效度分析，如果量表具有很强的权威性，那么不需要使用探索性因子分析进行结构效度分析，使用内容效度分析即可。那么效度包含哪些方法，应该怎么分析？接下来进行描述。

效度分类

效度类别可以分为四大类，其中包括内容效度、结构效度、区分效度以及收敛效度。

1 内容效度

内容效度一般用文字的形式描述测量项是否合理，通常是专家点评或者参考文献，如果量表具有很强的权威性，可以使用该方法进行效度说明。

2 结构效度

结构效度通常是利用量表测量结构，观察预期与分析结果是否一致，其中主要测量方式是利用因子分析，最大方差旋转法，在测量过程中可能需要对应关系的调整，其中包括‘张冠李戴’和‘纠缠不清’。也是效度分析中比较常用的方法。

3 区分效度

区分效度又名判别效度、区别效度。区分效度共有三种方式，其中包括，AVE平方根判断法、Fornell-Larcker法以及MSV和ASV判断法。

4 收敛效度

收敛效度又成聚敛效度、聚合效度等。是指测量相同潜在特质的测验指标会落在同一共同因素上。常见研究指标为AVE和CR，一般需要AVE大于0.5以及CR值大于0.7。

SPSSAU如何做效度

1.SPSSAU位置

结果效度分析路径：问卷研究→效度；区分效度和收敛效度分析路径：问卷研究→验证性因子分析。

2.视频资料

（1）结构效度

结构效度分析疑难点：

效度分析的几种形式及实现

（2）区分效度和收敛效度

如何做验证性因子分析：

三、效度分析

由于效度类别较多，所以这里分析比较常用的结构效度分析。结构效度指标一般包括KMO值、Bartlett球形度检验、因子载荷系数等。

研究简单背景：当前有一份数据,共涉及A1~A4,B1~B4,C1~C3,D1~D3共14个量表题，此14个题目共分为4个维度，分别称作A，B，C和D维度。现希望对此份数据效度情况进行分析，如果有不合理题项将其进行删除处理。

1.测量项与因子之间的对应关系

上表可以得到KMO值为0.91大于0.6，Bartlett球形度检验对应的p值小于0.05，说明此次分析KMO值达标并且已经通过Bartlett球形度检验。

接下来查看测量项与对应关系是否需要需要调整：

如果某对应关系与预期不符可以进行处理，常见需要处理的关系共有两种，一种是‘张冠李戴’，一种是‘纠缠不清’，其中‘张冠李戴’是说明B1-B4本应该属于因子1结果B1不属于因子1属于因子2，称这种情况为‘张冠李戴’，而‘纠缠不清’A1-A4本应该对应因子3但是A1和A2又属于因子3又属于因子1，对于‘张冠李戴’的情况要处理，而‘纠缠不清’的情况可以考虑是否处理，如果结果可以接受或者没有很大影响可以选择不处理。

由上表可以发现B1和D3存在‘张冠李戴’的情况，所以首先要将B1和D3进行删除处理，处理后的对应关系表如下：

由上表可以发现A1存在‘张冠李戴’的情况，所以将A1进行删除处理，处理后的对应关系表如下：

由上表可以发现D2存在‘纠缠不清’的情况，但是考虑结果可以接受并且D维度只剩下两项，所以暂时不进行处理。分析结果。

2.效度分析

上表可以得到KMO值为0.876大于0.6，Bartlett球形度检验对应的p值小于0.05，说明此次分析KMO值达标并且已经通过Bartlett球形度检验。

最后经过不断处理，得到最终结果，其中A2-A4对应因子3，因子载荷系数的绝对值均大于0.4，B2-B4对应因子2，因子载荷系数的绝对值均大于0.4，C1-C3对应因子1，因子载荷系数的绝对值大于0.4，D1和D2对应因子4，其因子载荷系数的绝对值也大于0.4，并且各项的共同度均大于0.4，立即方差率大于50％，说明能够提取大部分信息，所以此次分析结果可以接受，问卷题项设置合理。

疑难点1. 结构效度不达标应该怎么处理？

如果有两个分析项KMO值一定为0.5，如果分析项大于2个KMO值较低，建议删除掉共同度值较低项。或者建议利用相关分析检查相关关系，如果相关系数值小于0.2，或者没有呈现出显著性，可以说明题项之间关联性弱，建议先移除相关系数值较低的项后再次分析。

2.效度分析时，KMO值为null不存在？

如果不输出KMO值，说明数据质量交叉，建议可以使用下相关分析，查看下相关关系，如果相关关系系数值均小于0.2或者没有呈现出显著性，可以说明题项之间关联性弱，建议先移除相关系数值较低的项后再次分析。但是分析项之间的相关系数过高（大于0.8）等，这会导致严重的共线性可能无法输出KMO值。所以分析项之间的相关系数值一般希望介于0.3~0.7之间较好。