写这篇文章的出发点是，我总是搞不清楚信效度检验、因子分析、结构方程模型、EFA和CFA的关系，比如是谁包含谁。所以找了一些网络资料梳理。梳理下来的结果大概是这样的。

Ø 信效度检验是问卷质控要求，需要用方法来实现。

Ø 因子分析是一类基础方法

Ø 结构方程模型是一个特定的分析方法

具体：

1. 信效度检验包括信度检验和效度检验，其中信度检验简单，就是用克朗巴赫α系数。

2. 感觉效度比较复杂，一般是做因子分析，因子分析是一种降维的方法，包括主成分分析等、主轴因子法。

3. 因子分析包括探索性因子分析EFA和验证性因子分析CFA，效度检验更多是探索性因子分析？

4. 结构方程模型包括测量模型和结构模型，测量模型更多是CFA（因为涉及到前提假设，所以验证就好，不用探索），结构模型是路径分析，最后是模型总体适配度检验，也可以算作效度分析？

一、信度和效度概念和分类

（一）信度

信度指的是可靠度、一致性或者稳定性。比如说，在对同一对象进行测量，多次测量结果都很接近，大家会认为这个结果是可信的，真实的，也就是信度高。

内在信度：是指衡量研究问卷中的多个题目是否测量了同一概念或者内容，即题目之间是否具有内在一致性。这也就是大多数量表问卷所做的信度分析。

外在信度：通常指不同时间测量时，是否测量结果具有一致性。

衡量信度的方法有很多种，其中，常用的内在信度系数包括：克隆巴赫α系数和折半系数；常用的外在信度是重测信度。

α信度系数，即内部一致性系数。是最为常见的信度测量方法。基本上所有问卷信度分析均会使用此类分析。通过软件计算出α信度系数值，并且用其进行信度水平判断。一般来讲：α系数最好在0.8以上，0.7~0.8之间属于可以接受范围，而分量表的α信度系数希望在0.7以上， 0.6~0.7之间可以接受。如果α信度系数低于0.6则考虑修改量表。

折半信度：折半信度就是将所有量表题项分为两半，计算两部分各自的信度以及相关系数，进而估计整个量表的信度。判断标准可参考α信度系数的衡量标准。

重测信度：指同样的样本，在不同的时间点回答同样一份问卷。继而计算两份数据的相关系数，并且通过相关系数去衡量信度质量。重测信度可以评估时间差异带来的误差。

复本信度：此外还有复本信度，是同样一组样本，一次性回答两份问卷，比如同样一组学生连续做两份同样难度水平的试卷。然后通过计算两份样本相关系数，从而进行信度质量衡量。

组合信度：CR，是指组合变量(由多于一个变量的总和做成的新变量)的信度，需要>0.5。计算CR的前提是1、KMO值>0.7，2、Barlett球形检验显著（即达到进行EFA检验的条件）3、因子载荷>0.3或0.4。这也是为什么组合信度放在效度里面了。

（二）效度

效度分析，简单来说就是问卷设计的有效性、准确程度。当我们在为研究主题设计问卷时，都会希望问题实际测量到的是我们希望测量的，这样研究的数据才能准确的说明问题。

内容效度，指问卷题项对相关概念测量的合理性情况，通常是以文字来说明问卷的有效性。如通过参考文献，或者权威来源说明问卷的权威性和有效性。还有就是通过对问卷前测并结合结果进行题项的修正等工作来充分说明问卷的有效性。效标效度，如果以前有一份权威且标准的量表数据，现在依旧使用该量表进行研究，并且收集回来一份数据。以前权威标准数据作为标准，当前数据与前一份数据之间进行相关分析，如果说相关系数值较高，则说明效标效度良好。

结构效度，指测量题项与测量维度之间的对应关系。结构效度的检验分为测量间和测量内，测量内方法可以使用EFA和CFA，测量间方法可以判断聚合效度和区分效度。探索性因子分析是当前使用最为广泛的结构效度测量方法。使用探索性因子分析进行效度验证时，应该以量表为准，对变量或者量表分别进行分析。

聚合效度：不同的观察变量是否可以用来测量同一变量。检验的标准有：①在因子分析中，每个题项因子载荷系数>0.7（表明题项与构念间有很高的相关性）②每个构念的AVE值>0.5（表明方差提取的比例很高）；区分效度：一个测量不会与代表其他构念的测量相关很大。通常计算各变量之间的相关系数和每个变量AVE值的平方根，形成一个表格，对各变量AVE平方根与其所在行或列的相关系数绝对值进行比较，如果前者明显大，则证明区分效度良好。

二、如何做信效度检验

（一）信度检验

克隆巴赫α信度系数是最常用的信度测量方法。

（二）效度检验

效度分析在进行分析的时候使用的方法是因子分析。

效度测量标准： KMO值越接近1； Barlett球形检验显著

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.

三、提高信度和效度的方法

（一）提高信度的方法

一般可以根据CITC值和项删除后的α系数这两个指标判断量表题目是否需要修改或删除。删除后的α系数是指删除该道题目后，该维度中剩下的题目所得出的α信度系数，若项删除后的α系数比维度原有题目的α系数的大，说明去掉该题后维度的信度提高了，这也说明了这道题在该维度内的一致性较差，需要删除，提高量表的信度。

方法1：适当增加同质的题目来增加量表的长度

方法2：问卷题目设置的难度适中

（二）提高效度的方法

结构效度不达标有多种类型，包括题项与因子对应关系出现问题，或者因子载荷系数过低，也或者因子输出个数与预期不一致等。

处理办法为首先对不合理题项进行删除处理，包括题项对应关系出现严重偏差，或者因子载荷系数过低的题面进行处理。删除题项处理后，如果软件输出因子个数与预期依然不一致，此时应该强制设置软件输出因子数量，删除不合理题项，并且多次重复比较，找出最优探索性因子分析结果作为最终结果，并且论证得到良好的结构效度。

方法1：确定好量表的假设结构维度，编好每个问题题目

方法2：保证回收量表的质量和数量，题目数量与被试样本数量之比最好是1:5方法3：适当增加同质的题目来增加量表的长度

四、结尾

《白话统计》似乎适合小白读，但我还没有读过。

罗胜强老师的《管理学问卷研究方法》比较适合管理学学生入门数据分析