效度分析指尺度量表达到测量指标准确程度的分析。下面我们主要从下面四个方面来解说：
[if !supportLineBreakNewLine]
[endif]
实际应用
理论思想
建立模型
[if !supportLineBreakNewLine]
[endif]
分析结果
[if !supportLineBreakNewLine]
[endif]
一、实际应用
[if !supportLineBreakNewLine]
[endif]
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。
[if !supportLineBreakNewLine]
[endif]
二、理论思想
效度（Validity）即有效性，它是指测量工具或手段能够准确测出所需测量的事物的程度。效度分为三种类型。内容效度（Face Validity）：
内容效度又称表面效度或逻辑效度，它是指所设计的题项能否代表所要测量的内容或主题。对内容效度常采用逻辑分析（专家法）与统计分析相结合的方法进行评价。
准则效度（Criterion Validity）：
准则效度又称为效标效度或预测效度。准则效度分析是根据已经得到确定的某种理论，选择一种指标或测量工具作为准则（效标），分析问卷题项与准则的联系，若二者相关显著，或者问卷题项对准则的不同取值、特性表现出显著差异，则为有效的题项。评价准则效度的方法是相关分析或差异显著性检验。在调查问卷的效度分析中，选择一个合适的准则往往十分困难，使这种方法的应用受到一定限制。
结构效度（Construct Validity）：
结构效度是指测量结果体现出来的某种结构与测值之间的对应程度。架构效度分析采用的方法是因子分析。有学者认为，效度分析最理想的方法是利用因子分析测量表或整个问卷的架构效度。因子分析的主要功能是从量表全部变量（题项）中提取一些公因子，各公因子分别与某一群特定变量高度关联，这些公因子即代表了量表的基本架构。透过因子分析可以考查问卷是否能够测量出研究者设计问卷时假设的某种架构。
在因子分析的结果中，用于评价架构效度的主要指标有累积贡献率、共同度和因子负荷。累积贡献率反映公因子对量表或问卷的累积有效程度，共同度反映由公因子解释原变量的有效程度，因子负荷反映原变量与某个公因子的相关程度。为了提升调查问卷的质量，进而提升整个研究的价值，问卷的信度和效度分析绝非赘疣蛇足，而是研究过程中必不可少的重要环节。
效度分析有多种方法，其测量结果反映效度的不同方面。一般来说，学科测验主要看内容效度，心理测验主要看结构效度。
[if !supportLineBreakNewLine]
[endif]
三、建立模型
[if !supportLineBreakNewLine]
[endif]
效度分析评估步骤：
[if !supportLineBreakNewLine]
[endif]
第一：KMO系数，取值范围在0-1之间，越接近1说明问卷的结构效度越好。
第二：巴特利球形检验的显著性，如果小于0.05，我们也可以认为问卷具有良好的结构效度。
第三：如果整体问卷有效，仍然需要进一步评估问题合理性，评估问题合理性需要借助成分矩阵。
效度分析案例1：
[if !supportLineBreakNewLine]
[endif]
题目：以下是一个医学生职业精神量表，该量表包括7个方面，29道题目，测试了不同专业的100名大学生，试对该量表进行信度分析。
一、数据输入
二、操作步骤1、进入SPSS，打开相关数据文件，选择“分析”|“相关”|“双变量”命令2、选择进行信度分析的变量。在将V1—V29及总分放入变量框中，选择“皮尔逊”（Pearson）相关系数，点击“确定”即可。
3、其余设置采用系统默认值即可。单击“确定”按钮，等待输出结果。
效度分析案例2：
题目：以下某研究者在一项中学知识管理与学校效能关系的研究中，自编“学校知识管理量表”，此表共有19题，为探究量表的可信效度及题项的适切性，随机抽取200人进行测试，求此19题的结构效度如何？试对结构效度进行分析。
一、数据输入
二、操作步骤1、进入SPSS，打开相关数据文件，选择“分析”|“降维”|“因子分析”命令2、选择进行信度分析的变量。在将c1—c19及总分放入变量框中。
3、点击“描述”，勾选“系数”和“KMO和巴特利特球形度检验”。
4、点击“提取”，选中基于特征值大于1。
5、点击“旋转”，勾选最大方差法与旋转后的解。
6、其余设置采用系统默认值即可。单击“确定”按钮，等待输出结果。
[if !supportLineBreakNewLine]
[endif]
四、结果分析
一、案例1分析如果量表的内容效度较高，则每题得分与总得分的相关性均应该较高，判定标准为r>0.4，本例V1—V29中，V4与总分的相关性r=0.362<0.4，V8与总分的相关性r=0.373<0.4，V8与总分的相关性r=0.364<0.4......以此类推，因此建议考虑删除V4，V8，V10.....。
二、案例2分析
1、KMO检验和巴特利特检验结果KMO=0.855>0.5，样本量足够，球形度检验，P=0.000<0.05，符合球形度检验。结合两项指标，本例适合进行因子分析
2、解释的总方差可以知道，第一步纳入的变量是质量，到第三步所有变量全部纳入，且从显著性值均为0可以看出，逐步判别没有剔除变量。
3、旋转后的成分矩阵旋转后成分矩阵，结果发现19道题目在结构上分成4类，其中c12自成1类，因此c12应该删除。
4、删除c12后的总方差解释和旋转后的成分矩阵结果可见旋转后成分矩阵正好落在3个成分之上，并且每个成分里面的题目设置符合设置预期。
（获取更多知识，前往gz号程式解说）
