目录

1 效度分析基本说明

2 如何使用SPSSAU进行效度操作

3 效度不达标如何办？

第1点：KMO值过低？ 

第2点：对应关系出错？ 

第3点：因子个数与预期不符？ 

第4点：反向题问题？ 

第5点：自变量和因变量分别进行？ 

            第6点：其它问题 

效度分析用于研究题是否有效地表达研究变量或维度的概念信息，通俗地讲，即研究题设计是否合理或题表示某个变量是否合适。通常情况下，效度分析只能分析量表题。

针对效度分析，通常会使用内容效度分析、结构效度分析（探索性因子分析）和结构效度分析（验证性因子分析）进行效度分析。效度分析类型如下所示。

效度分析类型

说    明

内容效度分析

使用文字描述量表设计的合理性

结构效度分析（探索性因子分析EFA）

探索性因子分析结果，与专业预期进行对比

结构效度分析（验证性因子分析CFA）

验证性因子分析判断量表是否合理

内容效度分析即使用文字叙述形式对问卷的合理性、科学性进行说明。结构效度分析通常使用探索性因子分析（EFA）进行验证，即通过探索性因子分析对题进行分析，如果输出结果显示题和变量的对应关系基本与预期一致，则说明结构效度分析良好。

效度分析的目的在于判断研究题是否可以有效地测量研究人员需要测量的变量，通俗来讲就是测量问卷题是否准确有效。当信度分析不达标时，效度分析必然也不能达标。效度分析常见的有内容效度分析、结构效度分析，建议研究人员通过内容效度分析和结构效度分析这两方面对问卷进行效度分析，如下图所示。

（1）内容效度分析。内容效度分析是指问卷题对相关概念测量的适用性情况，简单来讲，即题设计的合理性情况。内容效度分析可以从两个方面进行说明。

第一，专家判断。专家具有权威性，因此如果专家对问卷进行判断并得出肯定，那么可以说明问卷具有有效性。此处的专家是指行业内专家或参考量表、权威来源等。

第二，问卷预测试。针对预测试数据进行分析，并结合分析结论对问题或选项进行修正，此处理过程可用于论证问卷设计的有效性。

在具体分析过程中，通常内容效度分析主要体现在研究题的设计是否有参考量表，是否经过专家、老师的认可，是否得到同专业相关人员的认可，以及研究人员是否对问卷进行修正工作，如对问卷进行预测试后发现问题并做出修正工作。内容效度分析不必使用SPSSAU或SPSS等软件，直接进行文字描述即可。在问卷研究过程中，一般需要对内容效度分析进行说明。

（2）结构效度分析。结构效度分析指测量题与测量变量之间的对应关系。其测量方法有两种，一种是探索性因子分析，另一种是验证性因子分析。

探索性因子分析是当前使用最广泛一种结构效度分析测量方法，此方法可以通过SPSSAU或SPSS软件实现。其实现方法与探索性因子分析的探索因子操作步骤相似，只是在进行具体文字分析时会侧重于对效度的说明。使用探索性因子分析进行结构效度分析测量时，应该以量表为准，对变量和量表分别进行分析（如分别针对自变量X、因变量Y进行），而不能将所有变量和量表放在一起进行探索性因子分析。

使用探索性因子分析进行结构效度分析测量时，首先需要对KMO值进行说明（最为简单的效度分析是直接对每个变量进行探索性因子分析，并且通过KMO值判断，不需要判断题与因子对应关系等情况，但是此种判断方法过于简单，使用较少），KMO值指标的常见标准是大于0.6；然后需要详细说明探索的因子数量、每个因子的方差解释率、总共方差解释率值，并且详细描述各个题与因子的对应关系，如果对应关系与预期相符（符合专业知识预期），那么说明问卷有着良好的结构效度分析。在使用探索性因子分析进行效度分析时，很可能会删除对应关系与预期不一致的题或因子载荷系数值较低的题。

验证性因子分析需要借助SPSSAU、AMOS或LISREL等软件进行测量，其对问卷量表质量、样本量和样本质量均有着较高的要求。如果问卷量表质量并非很高或样本量较少（低于200个），那么验证性因子分析进行的结构效度分析测量就很难达标。

关于效度的操作上，SPSSAU操作分为2步，如下：

Step1：点开“问卷研究”模块里面的“效度”，（当然也可以使用SPSSAU“进阶方法”模块里面的“因子”即探索性因子分析）。

Step2：将分析项拖拽到右侧杠中，并且设置专业预期的维度个数（因子个数）。如下图：

完成上两步操作之后，直接“开始分析”即可得到结果，类似如下图：

效度分析是一个来回重复的过程，如果项与因子的对应关系情况不符合预期，通常需要删除掉对应出错的项，然后再次重复分析，直至项与因子的对应关系情况和专业预期保持一致。

其实效度的测量和SPSSAU软件操作都是非常简单的，SPSSAU上‘拖拽点一下’就得到智能分析结果，指标值如何，是否达标等都直接分析出来了。但当出问题时，SPSSAU会告诉结果不达标，关键在于如何让效度达标。

接下来从5个角度去剖析数据不达标的处理。

第1点：KMO值过低？

如果做效度分析时KMO值过低，比如小于0.5，这肯定是有问题的，因为KMO值一般希望大于0.6，最好大于0.7。KMO值太低说明因子无法提取出信息，那么解决办法就是把提取信息量较低的项删除出去。共同度(公因子方差)值表示信息的提取量，该值介于0~1之间，越大说明信息提取量越大，如果该值小于0.4那肯定需要删除掉，有时候小于0.5都会删除掉。SPSSAU默认直接就提供此指标，并且自动化标识出有问题的项。移除共同度值较低项后再次分析即可。

特别提示下，如果分析项仅2个，KMO值肯定是为0.5，此时不需要理会它即可。

第2点：对应关系出错？

效度分析时，最关键的地方在于因子和分析项的对应关系情况，与专业预期需要一致，这样就能证明效度高。出现对应关系出错时，即‘张冠李戴’时，直接把出现对应出错的项移除出去再次分析。很多时候会出现问题，比如移除A也可以，移除B也可以，此时就需要来回多次对比，重复很多次分析，找出最佳结果即可。

当然如果最终还是不可以，建议可考虑直接以KMO值作为判定效度的标准，直接看KMO值用于判定效度，这种做法相对较为简单，但也不失为一种处理办法。

同时也可以考虑以一个变量作为单位进行效度分析，这种做法是避开因子与分析项的对应关系，直接假定某因子与很多项有着对应关系。

第3点：因子个数与预期不符？

SPSSAU默认可以设置因子个数，即维度个数。一般进行效度分析时，都需要设置因子（维度）个数，因为这代表预期的个数，只有研究本人才知道分析项分成几个因子。

除此之外，从数理角度是建议以特征根大于1作为因子个数的提取标准，但做效度分析时，通常是以专业角度的因子个数为准，所以直接在SPSSAU里面自己设置因子（维度）个数即可，而不需要对特征根进行判断。

第4点：反向题问题？

如果出现反向题，通常情况下可反向处理，使用SPSSAU数据处理里面的数据编码，批量一次性处理即可。当然如果不处理也可以，因为效度分析时，载荷系数值是看绝对值即可。

第5点：自变量和因变量分别进行？

效度分析时，一般情况下，自变量和因变量是完全分开进行的，为什么需要这样呢，多数情况下自变量和因变量有着相关关系，如果放在一起进行，这本身就会对分析带来干扰，因此一般分别进行效度分析即可。

第6点：其它问题

效度分析还可能出现其它的问题，比如方差解释率过低，对应关系无论如何也不达标等，这可能是由于样本量相对于分析项过少，一般希望样本量是分析项的5倍以上较好。如果还有其它问题，建议查阅SPSSAU对应的说明即可。

--- 相关内容推荐 ---

实用干货！因子分析超全步骤总结

效度不达标的处理方式