第5章 效度和結(jié)構(gòu)效度分析
　　5．1 測(cè)量工具的效度
　　效度是指測(cè)量工具對(duì)測(cè)量對(duì)象的測(cè)量能力，也就是說(shuō)，測(cè)量工具可以在多大程度上測(cè)量所要測(cè)量的東西。在社會(huì)科學(xué)研究中，通常使用兩種方法確立測(cè)量工具的效度：邏輯證據(jù)和統(tǒng)計(jì)證據(jù)。用邏輯證據(jù)來(lái)確立效度就是證明測(cè)量工具中的問(wèn)題與研究目的是否合適，而用統(tǒng)計(jì)證據(jù)來(lái)確立效度則是通過(guò)一定的計(jì)算提供硬證據(jù)來(lái)證明問(wèn)題與研究目的的關(guān)系。
　　在問(wèn)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(jì)數(shù)據(jù)，即是說(shuō)，這種聯(lián)系不是憑空而來(lái)。如果需要測(cè)量的東西比較具體，或比較直觀(guān)(如年齡或收入等)，在測(cè)量問(wèn)題和研究目的之間建立聯(lián)系并不難。但是如果測(cè)量的是個(gè)人態(tài)度或教學(xué)方法的有效性，要確立測(cè)量工具的效度難度就大一些。對(duì)于比較抽象的概念或者是不易直接觀(guān)察的事物，測(cè)量工具中就需要更多的問(wèn)題，才可以覆蓋它們的不同方面，才可以證實(shí)所問(wèn)的問(wèn)題測(cè)量的就是此概念或事物。
　　5．2效度的種類(lèi)
　　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(cè)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(cè)量工具以外的標(biāo)準(zhǔn)，即外在標(biāo)準(zhǔn)驗(yàn)證而得以證實(shí)的效度，它包括預(yù)示效度(predictive’validity)和共時(shí)效度(concurrent validity)。預(yù)示效度的判斷是根據(jù)測(cè)量工具能在多大程度上預(yù)示結(jié)果，而共時(shí)效度的判斷則是根據(jù)一種測(cè)量工具與另外測(cè)量工具同時(shí)使用時(shí)進(jìn)行的比較。
　　內(nèi)容效度涉及量表項(xiàng)目或問(wèn)題的關(guān)聯(lián)性以及量表的覆蓋范圍。
　　上面講過(guò)，判斷測(cè)量工具是否測(cè)量了想要測(cè)量的東西，主要依據(jù)是問(wèn)題與研究目的之間的邏輯聯(lián)系。量表的每個(gè)項(xiàng)目和問(wèn)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(chēng)之為表面效度(face validity)。項(xiàng)目和問(wèn)題必須涵蓋需要測(cè)量的事物或態(tài)度的整個(gè)范圍，從這點(diǎn)來(lái)評(píng)判測(cè)量工具的項(xiàng)目就是內(nèi)容效度(Kurear，1999)。此外，對(duì)測(cè)量的事物或態(tài)度的覆蓋必須平衡，也就是每一個(gè)方面必須用類(lèi)似的、足夠的問(wèn)題或項(xiàng)目來(lái)呈現(xiàn)出來(lái)。一個(gè)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(xiàng)目或問(wèn)題在多大程度上表現(xiàn)了要測(cè)量的東西。內(nèi)容效度的保證就是項(xiàng)目和問(wèn)題與研究目的之間的聯(lián)系分析，以及它們對(duì)所測(cè)量對(duì)象的覆蓋分析，即設(shè)法獲得邏輯證據(jù)，這方面沒(méi)有什么驗(yàn)證公式或統(tǒng)計(jì)程序可供使用。
　　結(jié)構(gòu)效度不是指測(cè)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(lài)于統(tǒng)計(jì)方法，它是由每一結(jié)構(gòu)對(duì)觀(guān)測(cè)現(xiàn)象的整個(gè)方差的貢獻(xiàn)來(lái)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(yǔ)言運(yùn)用焦慮、課堂焦慮和評(píng)價(jià)焦慮看作是焦慮感的三個(gè)最重要的因素或結(jié)構(gòu)。我們可以通過(guò)統(tǒng)計(jì)程序來(lái)確定這三個(gè)因素(結(jié)構(gòu))對(duì)于整個(gè)焦慮感方差的貢獻(xiàn)。這些因素對(duì)整個(gè)方差的貢獻(xiàn)就表明了焦慮感問(wèn)卷效度的程度。這些結(jié)構(gòu)解釋的方差越大，說(shuō)明問(wèn)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(jì)方法常被用來(lái)檢驗(yàn)結(jié)構(gòu)效度。
　　5．3 結(jié)構(gòu)效度分析——因子分析
　　在社會(huì)科學(xué)領(lǐng)域中，人們常用因子分析來(lái)進(jìn)行結(jié)構(gòu)效度分析。因子分析通過(guò)研究眾多原始變量(往往是問(wèn)卷中的問(wèn)題)之間的內(nèi)部依賴(lài)關(guān)系，探討觀(guān)測(cè)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(dú)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(gè)因子。
　　在多元統(tǒng)計(jì)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(qiáng)的相關(guān)關(guān)系。如果進(jìn)行多元回歸分析，而自變量之間高度相關(guān)，就會(huì)出現(xiàn)多重共線(xiàn)性現(xiàn)象，也就是說(shuō)，這些變量之間的高度相關(guān)說(shuō)明它們所反映的信息高度重合。這就會(huì)給研究者使用多元回歸等統(tǒng)計(jì)方法帶來(lái)困難，而且也難以對(duì)原始變量進(jìn)行分析和描述。但是，如果通過(guò)因子分析就可以找到較少的幾個(gè)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(duì)其加以分析和描述。
　　因子分析的另一個(gè)特點(diǎn)是進(jìn)行數(shù)據(jù)簡(jiǎn)化。通過(guò)因子分析把一組變量化為少數(shù)幾個(gè)因子后，可進(jìn)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(duì)樣本進(jìn)行分類(lèi)和綜合評(píng)價(jià)，還可用這些因子值代替原始變量進(jìn)行其他統(tǒng)計(jì)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(yàn)證性因子分析(confirmatory factor analysis)。如果研究者事先對(duì)觀(guān)測(cè)數(shù)據(jù)背后存在多少個(gè)基礎(chǔ)變量(即因子)一無(wú)所知或知之甚少，因子分析用來(lái)探索基礎(chǔ)變量的維數(shù)，就是探索性因子分析。進(jìn)行探索性因子分析，最好使用主成分分析法，并通過(guò)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(xiàn)或其他的先驗(yàn)知識(shí)對(duì)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(lái)檢驗(yàn)假設(shè)，就是驗(yàn)證性因子分析(參見(jiàn)Kumar，1999；郭志剛，1999)。關(guān)于將因子分析用于結(jié)構(gòu)效度檢驗(yàn)，以下各節(jié)要詳細(xì)講解具體的作法，讀者還可參閱Wintergerst等人(2001)進(jìn)行的學(xué)習(xí)風(fēng)格測(cè)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(gè)原始變量由兩個(gè)部分組成：共同因子(common factors)和唯一因子(unique factors)。共同因子是各個(gè)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(gè)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(shí)抽出的共同因子的相關(guān)關(guān)系用因子負(fù)荷表示(fact：or loadings)。
　　(2)因子負(fù)荷
　　因子負(fù)荷作為因子分析模型中的重要統(tǒng)計(jì)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(fù)荷的絕對(duì)值越大，表明共同因子與變量之間的關(guān)系越緊密。一般說(shuō)來(lái)，負(fù)荷量為0．3或更大被認(rèn)為有意義。所以，當(dāng)要判斷一個(gè)因子的意義時(shí)，需要查看哪些變量的負(fù)荷達(dá)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(gè)原始變量在每個(gè)共同因子的負(fù)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(shuō)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(shuō)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。
　　……