結構效度分析流程如下圖

一、結構效度的意義

效度分析在學術研究中非常常見，結構效度是為了分析「從量表獲得的結果與設計該量表時所假定的理論之間的符合程度」。簡單來講，在研究者設計量表之初，一般會預設好幾個維度，在經過因子分析後，需要驗證測量的數據是否與預設的幾個維度相對應，如果測量項與預設維度之間對應關係良好，則說明量表的結構效度良好，說明量表設計的合理且有效，那麼通過該量表得到的分析結果也是有效的。

二、探索性因子分析

結構效度通常使用探索性因子分析進行驗證，即通過探索性因子分析對題項進行分析，如果輸出結果顯示測量項與預設維度對應關係基本與預期一致，則說明結構效度良好。使用探索性因子分析進行結構效度的驗證通常分為以下三個步驟，分別是效度分析指標判斷、維度與測量項對應關係判斷、對應關係調整。下面將分別進行說明。

1.效度分析指標

效度分析是綜合各項指標進行綜合判斷，包括KMO值、Bartlett球形度檢驗、因子載荷係數值、維度與測量項對應關係等。主要的判斷指標說明如下：

• KMO值

KMO值取值在0和1之間，用於綜合衡量分析項間的信息重疊情況（即分析項之間的相關關係情況）。一般以0.6作為判斷標準，如果KMO值大於0.6，說明數據適合進行因子分析，如果KMO值低於0.6說明數據不適合進行因子分析，可能原因在於分析項之間相關係數較低，無法有效濃縮信息。最簡單的效度分析直接查看KMO值即可，但這種方法一般檢驗效能較低。

• Bartlett球形度檢驗

巴特利特球形檢驗是一種檢驗各個變量之間相關性程度的檢驗方法。一般在做因子分析之前都要進行巴特利特球形檢驗，用於判斷變量是否適合用於做因子分析。與KMO值作用類似。

圖1 KMO值和Bartlett球形度檢驗

• 因子載荷係數值

因子載荷係數值的統計意義就是變量i與公共因子（維度）j的相關係數（程度），範圍為[-1,1]，絕對值越接近1，說明變量與公共因子的關係越密切，通俗理解為變量向公共因子貢獻了足夠多的信息，一般來講，因子載荷係數絕對值大於0.4，則說明變量i就應該歸屬於公共因子j。

• 共同度

共同度的大小代表了因子分析中提取出的因子包含原始數據的信息量。如果因子分析中大部分測量項的共同度都大於0.8，說明提取出的公共因子已經能夠代表原始變量80%的信息量。如果共同度低於0.4，說明無法提取出有效信息，應該將共同度低於0.4的測量項進行刪除。

圖2 旋轉後因子載荷係數表格

• 維度與測量項對應關係

效度分析最關鍵的地方在於：維度與分析項對應關係是否與專業預期相符合，只有符合的時候才能說明量表的結構效度良好。比如在判斷物流服務質量時，預期測量項「退貨包運費」應該隸屬于衡量物流「可靠性」這一維度，如果該測量項出現在「經濟性」這一維度下，則說明維度與測量項對應關係不好，需要進行調整。

效度分析的其他指標都比較容易達標，最核心的是維度與測量項關係的判斷與調整，下面將結合示例進行講解與分析。

2.維度與測量項對應關係判斷

維度與測量項關係的判斷通過SPSSAU因子分析結果的旋轉後因子載荷係數表格進行分析，如下圖：

圖3 第一次分析旋轉後因子載荷係數表格

從上圖可以看出，經濟性1-4這四個測量項隸屬於因子1（維度1）；時間性1-4這四個測量項隸屬於因子2,；靈活性1-3這三個指標隸屬於因子3；可靠性1-3應該隸屬於因子4，但是可靠性3這個測量項卻對應因子1下面，那麼就將這種本應該對應在因子i下，卻對應到因子j下的測量項出現的對應關係問題叫做「張冠李戴」。對於出現「張冠李戴」現象的測量項，應該將該項進行刪除操作。

從上圖可以看出，可靠性1-2，對應因子1和因子4均可，靈活性2和靈活性3這兩項對應因子2和因子3均可，那麼將此類既可以對應因子i又可以屬於因子j的測量項出現的問題叫做「糾纏不清」。屬於「糾纏不清」，一般出現「糾纏不清」現象時，可先保留，暫時不處理，先處理「張冠李戴」現象。

完成維度與測量項的對應關係判斷，即確定了各個測量項所出現的問題屬於「張冠李戴」還是「糾纏不清」後，下一步進行對應關係的調整，將對應關係出錯的測量項進行調整。

3.對應關係調整

對於出現「張冠李戴」現象的測量項，應該將該項進行刪除操作；一般出現「糾纏不清」現象時，可先保留，暫時不處理。那麼在上述描述中，知道了「可靠性3」出現了「張冠李戴」類對應關係錯誤，那麼將「可靠性3」在分析項中移除，而其他出現「糾纏不清」類錯誤的測量項對分析結果並沒有太大影響，暫不處理。

刪除「可靠性3」後再次進行因子分析，得到分析結果如下：

圖4 第二次分析旋轉後因子載荷係數表格

從上圖可以看出，移除「可靠性3」後，雖然可靠性1-2，靈活性2-3的「糾纏不清」的情況仍然存在，但是「張冠李戴」的現象已經沒有了，可以認為此時13個測量項與4個因子的對應關係良好，結構效度達標。

三、結構效度不達標處理

通常效度不達標主要可能出現以下三個方面的問題：KMO值不存在、無法劃清維度、與預期維度對應關係不符。下面將依次說明解決辦法。

（1）KMO值不存在

效度分析是使用因子分析進行的檢驗，因子分析要求測量項之間有適當的相關關係；如果測量項之間相關係數過高，說明測量項之間共線性太強，無法有效濃縮信息；相關性太弱，信息重疊度低則無法有效提取信息，都可能無法輸出KMO值，所以當KMO值不存在時，可以檢查相關關係情況，移除相關係數過高（大於0.8）和過低（小於0.2）的測量項。同時如果樣本量過低，也會出現問題，樣本量一般要大於5倍測量項的個數。比如共有14個測量項，那麼樣本量至少在14*5=70份以上，如果過少，要加大樣本量。

（2）無法劃清維度

如果無論如何不能劃分清楚維度，可以每次放入一個維度的測量項，依次進行效度分析，依次移除共同度低的測量項，確保每個維度中都沒有特別糟糕的測量項之後，在將全部測量項放入分析框中進行整體分析。比如，在本例中，將可靠性1-3、經濟性1-4、時間性1-4、靈活性1-3，這4個維度對應的測量項先依次進行效度分析，移除共同度低於0.4的測量項之後，在將全部測量項放入分析框中，整體進行效度分析，再查看分析結果。

（3）與預期維度對應關係不符

此類問題比較常見，除非是使用經典量表，否則不可能一次分析就能得到完美的對應關係。值得注意一點的是，如果專業預期維度為4個，那麼在分析之初，應該首先將維度先設置為4個。在效度分析是一個來回多次對比的過程，測量項與預期維度的對應關係需要進行反覆的調整，在這個過程中，一定要搞清楚「張冠李戴」與「糾纏不清」這兩類錯誤的對應關係，及時對出現「張冠李戴」問題的測量項做出處理，多次對比刪除後得到最優的結果。

四、總結

結構效度分析是為了檢驗測量項與預期維度對應關係情況。效度分析沒有固定的判斷標準，是綜合各項指標進行的一個綜合判斷過程，包括KMO值、Bartlett球形度檢驗、因子載荷係數、共同度、維度與測量項對應關係等。其中最重要的是查看維度與測量項的對應關係，最難的部分也在於維度與測量項對應關係的調整，其他指標比較容易達標。當效度分析不達標時，可以按照第三部分所講的內容，查看自己的問題所在，進行對應的修改。一定要注意，效度分析並不是一步完成的，可能是一個需要反覆調整才能得到最優結果的過程。