一、案例说明
调查不同人群对于创业方面的想法，其中认为也许影响“创业可能性”分为“科技发展”，“社会资源”和“教育水平”共3个维度，其三个维度下的11个分析项都是量表题，以及创业可能性也是由2个量表题构成，案例数据中还包括基本个体特征比如性别、年龄等，数据样本为200个。此案例主要分析目的是研究测量题项设计是否合理，使用SPSSAU效度分析进行。首先对效度类型进行说明。
二、效度类型
效度分析在研究中非常常见，其用于分析‘测量项是否真实有效的测量自己希望测量的变量’，效度分析的研究方式有多种，通常包括内容效度，结构效度（SPSSAU探索性因子分析法）、聚合效度（SPSSAU验证性因子分析法）和区分效度。可见下表格：
（1）内容效度是指使用文字叙述形式对问卷的合理性、科学性进行说明，比如问卷中测量量表题有着严谨的参考依据，一般来说采用现有成熟的量表则说明内容效度较好。比如测量‘美丽’这个变量，用了三个量表题，分别是‘看起来很年轻’，‘看上去五官端正’，‘看上去心情很好’，这3个测量题是有着参考依据，也或者专家认为此3项确实可以测量‘美丽’这个关键变量，那么就说明具有内容效度。
（2）结构效度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项进行分析，如果输出结果显示题项与变量对应关系基本与预期一致，则说明结构效度良好。即在收集好数据后，让软件运行下，软件会运行出来‘变量’与‘测量项’之间的对应关系情况，而自己也有着‘变量’与‘测量项’之间的对应关系，如果说二者基本吻合，那么说明自己想的，与软件出来的结果基本一致，那么就说明结构上数据具有有效性，即具有结构效度。此种测量方式最为普遍，在实际研究中最常使用。当然很可能结果为‘变量’与‘测量项’之间的对应关系情况，与自己预期不一致，此时需要自行分析，通常是删除掉对应关系出错的‘测量项’，最终让余下的‘测量项’与‘变量’的对应关系，与预期保持一致。
（3）聚合效度强调本应该在同一因子下面的测量项,确实在同一因子下面。聚合效度是使用AVE开根号然后再与相关分析结果进行对比，除此之外还可以使用HTMT异质-单质比率法测量聚合效度，在SPSSAU中均有提供。
（4）区分效度强调本不应该在同一因子的测量项,确实不在同一因子下面。区分效度的具体测量方式是使用AVE值和相关分析结果对比等。
此案例分析使用结构效度首先判断测量项的对应关系，由于案例中有自变量与因变量，所以分析时将自变量和因变量分开进行分析因为本身自变量和因变量之间可能有关系，一般分开做。
三、效度难点（对应关系）
一般情况下，如果11项与3个因子之间的对应关系情况，与专业知识情况不符合，比如第一项被划分到了第一个因子下面，此时则说明可能Q1这项应该被删除处理，其出现了‘张冠李戴’现象。因而在进行分析时很可能会对部分不合理项进行删除处理。除此之外,也有可能会出现‘纠缠不清’现象。
1“张冠李戴”
一般情况下，如果11项与3个因子之间的对应关系情况，与专业知识情况不符合，比如Q1被划分到了第一个因子下面，此时则说明可能Q1这项应该被删除处理，其出现了‘张冠李戴’现象。出现“张冠李戴”的情况就需要进行删除处理，由于本案例没有出现“张冠李戴”的情况所以不用处理。
2“纠缠不清”
除了“张冠李戴”现象，有时候会出现‘纠缠不清’现象，比如Q1可归属为因子1 ，同时也可归属到因子2，这种情况较为正常（称作‘纠缠不清’），需要结合实际情况处理即可，可将该项删除，也可不删除，由于本案例的自变量效度分析没有出现“纠缠不清”的情况，所以也不需要考虑。
对因变量进行分析与查看发现也不存在“张冠李戴”与“纠缠不清”的情况，所以均不需要处理。因子分析是一个多次重复的过程，比如删除某个或多个题项后，则需要重新再次分析进行对比选择等。最终目的在于：因子与分析项对应关系，与专业知识情况基本吻合。
四、结构效度分析
效度一般分析过程如下：
首先设置维度个数为5个数，并且接着把‘共同度’值较低（一般小于04或05）移除掉，‘共同度值’低意味着‘测量项’的信息没有被提取出来，说明根本不适合对‘测量项’进行测量；接着移除掉‘张冠李戴’的项，似情况而定，一般一次移除尽量少的‘测量项’；重复第2步和第3步操作，直到最终‘测量项’与‘变量’之间的对应关系情况与预期符合。由于模型没有“张冠李戴”情况所以不需要处理，首先设置维度如下(SPSSAU问卷研究中的效度)：
由于案例中分为自变量和因变量，所以分析时将自变量和因变量分开进行分析因为本身自变量和因变量之间可能有关系一般分开做。
1自变量
使用KMO 和 Bartlett 检验进行效度验证，从上表可以看出：KMO值为0809，KMO值大于08，研究数据非常适合提取信息（从侧面反应出效度很好）。
效度研究用于分析研究项是否合理，有意义，效度分析使用因子分析这种数据分析方法进行研究，分别通过KMO值，共同度，方差解释率值，因子载荷系数值等指标进行综合分析，以验证出数据的效度水平情况。KMO值用于判断信息提取的适合程度，共同度值用于排除不合理研究项，方差解释率值用于说明信息提取水平，因子载荷系数用于衡量因子(维度)和题项对应关系，从上表可知：所有研究项对应的共同度值均高于04，说明研究项信息可以被有效的提取。另外，KMO值为0809，大于06，数据可以被有效提取信息。另外，3个因子的方差解释率值分别是25041%,23627%,21097%，旋转后累积方差解释率为69765%>50%。意味着研究项的信息量可以有效的提取出来。最后，请结合因子载荷系数，去确认因子(维度)和研究项对应关系，是否与预期相符，如果相符则说明具有效度，反之则需要重新进行调整。因子载荷系数绝对值大于04时即说明选项和因子有对应关系。
2因变量
使用KMO 和 Bartlett 检验进行效度验证，从上表可以看出：研究项仅为2项，因而KMO值无论如何均为05，不能根据KMO值测量效度。
效度研究用于分析研究项是否合理，有意义，效度分析使用因子分析这种数据分析方法进行研究，分别通过KMO值，共同度，方差解释率值，因子载荷系数值等指标进行综合分析，以验证出数据的效度水平情况。KMO值用于判断信息提取的适合程度，共同度值用于排除不合理研究项，方差解释率值用于说明信息提取水平，因子载荷系数用于衡量因子(维度)和题项对应关系，从上表可知：所有研究项对应的共同度值均高于04，说明研究项信息可以被有效的提取。另外，当前仅2个研究项，因而KMO值为05。另外，1个因子的方差解释率值分别是75056%，旋转后累积方差解释率为75056%>50%。意味着研究项的信息量可以有效的提取出来。最后，请结合因子载荷系数，去确认因子(维度)和研究项对应关系，是否与预期相符，如果相符则说明具有效度，反之则需要重新进行调整。因子载荷系数绝对值大于04时即说明选项和因子有对应关系。
五、其它
上述对于结构效度分析发现效度良好，如果想要深入分析，可以继续进行聚合效度和区分效度的分析，接下来我们对测量项进行聚合效度、区分效度的查看（ 可不做，此处只做案例参考 ）与进一步处理对分析项进行命名。
1深入分析
（1）聚合效度
利用SPSSAU问卷研究中的验证性因子分析，将分析项拖拽到右侧分析框中，将一个维度的量表题拖拽到一个Factor中，点击开始分析：
聚合效度一般查看验证性因子分析的AVE和CR指标结果如下：
本次针对共4个因子，以及13个分析项进行验证性因子分析(CFA)分析。从上表可知，共4个因子对应的AVE值全部均大于05，且CR值全部均高于07，意味着本次分析数据具有良好的聚合(收敛)效度。
（2）区分效度
针对区分效度进行分析，针对Factor1，其AVE平方根值为0770，大于因子间相关系数绝对值的最大值0441，意味着其具有良好的区分效度。针对Factor2，其AVE平方根值为0800，大于因子间相关系数绝对值的最大值0441，意味着其具有良好的区分效度。针对Factor3，其AVE平方根值为0728，大于因子间相关系数绝对值的最大值0336，意味着其具有良好的区分效度。针对Factor4，其AVE平方根值为0791，大于因子间相关系数绝对值的最大值0232，意味着其具有良好的区分效度。
2进一步处理
将自变量与因变量分别分析总结后，根据对应关系将变量进行命名，由于都是量表题大部分使用平均值法，其它分析项如果不是量表题想要合成一个维度可以使用因子得分等。
由于问卷中多个量表表示一个问题所以将量表合成一个维度进行分析：
例如“我意识到科技发展对于创业的好处”、“我认为科技发展使得创业更加容易”、“我认为网络创业在中国会成为一种趋势”以及“将来我可能会以科技行业作为创业起点”，四个量表题可以表示“科技发展”利用SPSSAU数据处理中的生成变量就可以完成，如图所示：
“我认为社会关系对于创业是非常重要”、“拥有好的社会关系可以帮助创业人成就一番事业” 以及“没有好的社会关系会影响创业活动的成功”，三个量表题可以表示“社会资源”如图所示：
其它变量也是如此。最后可以命名为“科技发展”、“社会资源”、“教育水平”以及“创业可能性”四个大维度，对于分析调整后的分析项也可以进行信度分析，一般步骤是进行效度分析后进行信度分析，原因在于效度分析可能会涉及删除分析项等。
六、总结
研究该问卷中测量题项设计是否合理，使用SPSSAU效度分析进行。首先对效度类型进行说明其中包括内容效度，结构效度、聚合效度和区分效度。案例分析主要使用结构效度进行分析，首先对效度难点进行说明，由于案例中有自变量与因变量，所以分析时将自变量和因变量分开进行分析，对于结构效度结果进行分析说明，分析后对分析项进行深入分析（包括聚合效度和区分效度）以及进一步处理，此次分析结束。
更多干货请登录 SPSSAU 官方网站查看。
效度分析
效度用于测量题项(定量数据)设计是否合理，通过因子分析(探索性因子分析)方法进行验证；研究人员心中预期着变量与题项对应关系；进行因子分析后，因子(即变量，使用因子分析时称因子)与题项对应关系；二者预期基本一致时，则说明具有良好效度水平正常情况下，效度分析仅仅针对量表数据，非量表题目比如多选，单选性别之类的题目不能进行效度分析。如果一定想分析效度，建议可使用‘内容效度’，即用文字详细描述问卷设计的过程，用文字的形式描述清楚问卷是做什么，有什么用处，为什么合理，而且有专家认证，这样就说明问卷设计合理有效。
如果用户预期分析项可分为几个方面(变量)，则用户可自行设置因子个数（维度个数），如果不设置，系统会以特征根值大于1作为判定标准设定因子个数;
●因子与题项对应关系判断
假设分析题项为10个，预期分为3个因子(维度或变量)；因子与题项交叉共得到30个数字，此30个数字称作”因子载荷系数”(因子载荷系数值表示分析项与因子之间的相关程度)；针对每个分析项对应行，则有3个”因子载荷系数值”(比如0765,-0066,0093),3个数字绝对值大于04，如果其对应因子1，则说明此题项应该划分在因子1下面如下表所示:
位置，本应该在‘因子3’下面却跑到‘因子1’下面，因而‘分析项1’就属于‘张冠李戴’。针对‘张冠李戴’，一定需要将题目删除重新进行分析。
●效度分析对不合理题项进行删除
共有三种情况; 第一类：如果分析项的共同度值小于04，则对应分析项应该作删除处理；第二类：某分析项对应的”因子载荷系数”的绝对值，全部均小于04，也需要删除此分析项；第三类：如果某分析项与因子对应关系出现严重偏差，也需要对该分析项进行删除处理（此现象称作‘张冠李戴’）
●效度分析的其余判断指标
特征根值(通常使用旋转后，以大于1作为标准)，方差解释率(意义较小)，累积方差解释率(通常使用旋转后，以大于50%作为标准),KMO值(大于06作为标准)，巴特球形值对应的sig值(小于001作为标准)
效度分析
效度用于测量题项(定量数据)设计是否合理，通过因子分析(探索性因子分析)方法进行验证；研究人员心中预期着变量与题项对应关系；进行因子分析后，因子(即变量，使用因子分析时称因子)与题项对应关系；二者预期基本一致时，则说明具有良好效度水平正常情况下，效度分析仅仅针对量表数据，非量表题目比如多选，单选性别之类的题目不能进行效度分析。如果一定想分析效度，建议可使用‘内容效度’，即用文字详细描述问卷设计的过程，用文字的形式描述清楚问卷是做什么，有什么用处，为什么合理，而且有专家认证，这样就说明问卷设计合理有效。
如果用户预期分析项可分为几个方面(变量)，则用户可自行设置因子个数（维度个数），如果不设置，系统会以特征根值大于1作为判定标准设定因子个数;
●因子与题项对应关系判断
假设分析题项为10个，预期分为3个因子(维度或变量)；因子与题项交叉共得到30个数字，此30个数字称作”因子载荷系数”(因子载荷系数值表示分析项与因子之间的相关程度)；针对每个分析项对应行，则有3个”因子载荷系数值”(比如0765,-0066,0093),3个数字绝对值大于04，如果其对应因子1
在spss的分析中，最主要的Cronbach’salpha系数。操作步骤为：点击分析-标度-可靠性分析-选择项-确定，只需要把问卷中的题目放到信度分析的选项框中就可以。
效度分析对于很多的同学来说是最不好处理的。效度比较好代表的是问卷的数据内部一致性比较好，也就是说每个维度的所有题目的选择上基本是一致的，维度划分比较好。
比方说：职业目标维度的5个题目分别为：1、对于将来做什么工作，我已经做了决定2、尽管现在我还是个学生，但是我能想象出将来自己工作状况3、我已经选定了我的职业，所以，现在我不用担心职业的问题4、对于职业，我已经做了明确的决定5、尽管以后我可能会改变想法，但现在，我已经选定了一个吸引我的职业。
我的两台电脑，windows和mac都安装了spss210，以前觉得spss有点过于纸上谈兵。读了硕士之后，发现我的研究几乎都与spss有关，spss真的是一个傻瓜而有良心的软件。
1随机误差
包括随机测量误差和抽样误差。随机测量误差：没有固定的倾向，可使多次观测结果有大有小。抽样误差：由于抽样造成的样本指标与总体指标之间的差别。
问卷测验中测量误差通常来源于两个方面：一是产生于问卷测验过程中的误差，称为测量误差，也称为随机误差；二是由问卷的结构质量造成的误差，称为系统误差。
2 信度
信度主要是指问卷是否精准(precision)。信度分析涉及了问卷测验结果的一致性和稳定性，其目的是如何控制和减少随机误差。信度是用估计测量误差大小的尺度，来说明问卷测验结果中测量误差所占的比率。
信度研究的是问卷测验结果的可靠性与稳定性，可以从不同的角度来评价：（1）在相同条件下所得问卷测验结果的一致程度；（2）不同研究者用同一种问卷同时测验所得结果的一致程度；（3）同一研究者用同一种问卷在不同时间内测验所得结果的一致程度。
克隆巴赫信度系数
Cronbach’s α系数是Cronbach于1951年创立的，用于评价问卷的内部一致性。α系数取值在0到1之间，α系数越高，信度越高，问卷的内部一致性越好。Cronbach’s α系数不仅适用于两级记分的问卷，还适用于多级计分的问卷。低信度：α<035, 中信度： 035<α<070,高信度： 070<α。一般地，问卷的α系数在08以上该问卷才具有使用价值。Cronbach‘s α值皆达085以上，表明问卷信度良好
3 效度（validity）
通常是指问卷的有效性和正确性，亦即问卷能够测量出其所欲测量特性的程度。操作过程如下：
从菜单选择Analyze → Scale → Reliability Analysis…→ Item（输入问卷的各条目或各因子包含的条目）→ 单击“Statistics”按钮，弹出信度分析统计量对话框 → Descriptives for: → √ Scale if item deleted →OK
Scale if item deleted:去掉当前题目整个问卷的描述统计量，即敏感性分析，包括以下内容：（1）Scale Mean if Item Deleted:去掉当前题目问卷合计分的均数；（2）Scale Variance if Item Deleted: 去掉当前题目问卷合计分的方差；（3）Corrected Item-Total Correlation: 当前题目得分与去掉当前题目问卷合计分的Pearson相关系数；（4）Squared Multiple Correlation:以当前题目为因变量，其它所有题目为自变量求得的决定系数R2；Alpha if Item Deleted: 去掉当前题目后问卷的Cronbach α系数。
效度（validity）通常是指数据的有效性和正确性，即数据能够测量出其欲测量特性的程度。效度值越高，所测定的结果与实际考察的内容之间越吻合反之，则越无效。目前研究中的效度分为内容效度和构建效度。
内容效度又称为逻辑效度，指数据的贴切性和代表性，即数据能否较好的代表所欲测量的内容和引起预期反应的程度。而构建效度指的是一个测验实际测到和所要测量的数值之间的对应程度。效度分析最理想的方法是利用因子分析数据的构建效度。
为了确定数据是否适合做因子分析，首先对数据做了KMO（Kaiser-Meyerollum）测度和巴特莱特球体检验。
KMO统计量：是通过比较各变量间简单相关系数和偏相关系数的大小判断变量间的相关性，相关性强时，偏相关系数远小于简单相关系数，KMO值接近1。一般情况下，KMO>09非常适合因子分析；08＜KMO＜09适合；07以上尚可，06时效果很差，05以下不适宜作因子分析。
Bartlett’s球型检验（BarlettTest of Sphericity）：用于检验相关阵是否是单位阵，即各变量是否独立。它是以变量的相关系数矩阵为出发点，零假设：相关系数矩阵是一个单位阵。如果巴特利球形检验的统计计量数值较大，且对应的相伴概率值小于用户给定的显著性水平，则应该拒绝零假设；反之，则不能拒绝零假设，认为相关系数矩阵可能是一个单位阵，不适合做因子分析。若假设不能被否定，则说明这些变量间可能各自独立提供一些信息，缺少公因子。
在SPSS中执行分析－降维，因子分析analyze—data reduction--factory analysis。
4 信度和效度的差异
（1）研究的对象不同 信度：答卷者 效度：组卷人
（2）研究的角度不同 信度：测量的质量 效度：问卷的质量
>
论文信度效度怎么分析介绍如下：
要看做的内容是什么，如果你的问卷中的四个维度同质性很高，那么我们通常只报告整体的Cronbach's Alpha系数。比如一份语言测试（单一能力测验），那么就不需要报告每个部分的Cronbach's Alpha了。
但是如果不是，比如是人格测验，那么通常是要报告每个分测验和总的Cronbach's Alpha。不过你放心，一般这个信度指标和题目数量有关，也就是说题目越多，信度就越高。所以总体的指标一定不会低于单个分测验的。
另外，测验当然要做效度分析了。既然你的问卷结构已经确定，建议你做验证性因素分析，可以用结构方程模型做，具体工具推荐AMOS。
信效度分析：
统计学分析中经常会采用问卷调查的方法来获取分析数据，为了保证统计设计质量，往往需要检测调查问卷的质量，也就是通过问卷测量得到的，反映调查对象客观现象的统计数据的准确性。一个好的调查问卷设计不仅可以保证在多次重复使用下得到可靠的数据结果，即准确性。
(一)信度分析
本研究得出整体问卷与各构面之Cronbach's α值分别为080及服务补救
整体品质构面为081,而其各构念分别为沟通(073)授权(078)解释(076)
补偿(072)回馈(065)有形性(080);满意反应构面为074;行为意向构
面为071,由此可知各构面的信度都在07以上,符合Nunally(1978)及Wortzel
(1979)有关具高信度之判断准则(Cronbach's α值大於07),此显示本研
究量表中的问项均具有高程度的内部一致性,因此在信度上仍具可信
(二)效度分析
1内容效度
问卷之发展乃由文献探讨整理出相关问项后,再透过问卷
调查,将问卷以传真,邮寄或e-mail方式与专家,学者讨论问卷中各问项之
适当性,再对他们所提出的意见,修正问卷之内容,即形成本研究之最后
的正式问卷因此,本研究认为经过此一严谨的程序所发展之问卷应以具
有相当程度的内容效度
相关分析是指两个变量之间是否存在相互依存的关系，比如学生的语文成绩和历史成绩之间是否存在正向的相互依存的关系，即是否学生语文成绩越好，历史成绩也会越好。相关分析是回归分析的前提条件，在具体的研究中只有变量之间相关显著，才有可能做进一步的回归分析，这在中介作用检验中是必须的前提步骤。
效度即是指数据测量的准确性。即测量结果的和所需要考察的内容的吻合度。一般在做研究时要报告数据的信效度以确定接下来一系列研究是否可信可行。在统计学中有很多种测量效度的标准和方法，比如效标效度，聚合（收敛）和区分效度，结构效度。
扩展资料：
注意事项：
1、针对效度分析，通常会使用内容效度或者结构效度，或者验证性因子分析(CFA)进行效度验证。
2、由于效度分析通过因子分析的方式验证，所以这里也涉及因子分析的指标。
3、分析α系数，如果此值高于08则说明信度高。如果此值介于07~08之间则说明信度较好;如果此值介于06~07，则说明信度可接受;如果此值小于06说明信度不佳。
4、如果CITC值低于03，可考虑将该项进行删除。
5、如果项已删除的α系数值明显高于α系数，此时可考虑对将该项进行删除后重新分析。
参考资料来源：百度百科-spss
参考资料来源：百度百科-效度分析
以上就是关于效度案例分析全部的内容，包括:效度案例分析、spss效度分析结果怎么看、spss效度分析怎么做等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！
