问卷的效度

在做研究时，好多人会运用问卷调查的研究方法。

而问卷的来源，有的人会直接使用其他人所做的量表，或者会其进行适当的改编；而有的人会自己来设计问卷。

这几种方法都没有问题，但是我们需要注意问卷的信度和效度。

因为信度和效度良好是任何被应用的测量工具必须具备的前提条件，信度和效度分析也是研究者进行量化研究时必须养成的良好习惯。

那么什么是信度和效度？该如何分析问卷的信度和效度呢？

在论文《基于SPSS与AMOS的问卷信度效度检验——以数学焦虑、数学态度和数学效能的关系研究为例》中分析了如何对问卷进行信度和效度检验的方法，可以参考。

四、效度检验 

因子分析有两种：

一种是利用数据探索测量变量框架的探索性因子分析 （exploratory factor analysis，EFA），即测量变量的理论架构是因子分析后的产物；

另一种是利用数据评估理论观点或概念架构的计量模型是否合适的验证性因子分析（confirmatory factor analysis，CFA）。

SPSS 软件只能进行探索性因子分析，验证性因子分析可以借助 AMOS 软件进行。

1. 探索性因子分析

   与信度检验一样，打开 SPSS 26.0 中的相关文件，把数学焦虑、数学态度与数学效能 3 个维 度共 12 个题项的调查数据，通过“分析→降维→ 因子”步骤，可得到 KMO 检验和 Bartlett球形检验结果。

   KMO 值愈大，表明变量间的共同因素越多，变量间的净相关系数越低，越适合进行因子分析。[11]

   表 4 表明，Bartlett 球形检验中，p=0.000<0.05， 符合球形检验标准。结合 KMO 值和 Bartlett 球形 检验值两项指标可知，本例适合进行因子分析， 可以继续解释其输出结果。

   通过因子分析，表 5 显示前 3 个主成分的累计方差贡献率达到 75.757%，因此前 3 个主成分 能够解释数学焦虑、数学态度和数学效能，这是一个比较理想的结果。表 6 中，旋转后的成分矩阵结果显示，12 个 题项在结构上刚好分成 3 类，并且正好符合我们预先设置的数学效能、数学态度和数学焦虑 3 个维度。

探索性因子分析探讨的是问卷或量表的结构效度，验证性因子分析则要检验此结构效度的适切性与真实性。[10]

限于篇幅，本研究不对 AMOS 软件的操作步骤进行介绍，只解释其输出结果。我们先分别建立数学焦虑、数学态度和数学效能 的测量模型，其目的是筛选题项，通过分析发现模型的各参数指标都达到要求，再建立测量模型 （图 1）并输出其标准化结果。

关于模型输出的结果，通过模型拟合数据与参考范围对比（表 7），我们发现，除了 CMIN/DF 和 p 值，其他数据均满足要求。在结构方程模型中 ， 当 样 本 容 量 较 大 时 （本 文 样 本 容 量 是 27，769），模型卡方值也会变大，此时 p 值会变得 很小，容易形成拒绝虚无结论。

因而若是样本数较大，在整体模型适配的判别方面，应再参考其他适配统计量，而不应只以卡方值判断。[10]综合本 研究数据，笔者认为，模型可以接受。

基于验证性因子分析的效度检验还需 要计 算 平 均 方 差 抽 取 量 （average variance extracted，AVE）和组合信度，它们的计算均要利用标准化估计计算模型中的标准化因素负 荷量。平均方差抽取量和组合信度的计算公式如下

通 过 观 察 表 8 中 的 标 准 化 因 素 负 荷 量 estimate（或标准化估计值），研究者可以比较问卷各维度的相对影响力。[12]以表 8 中的 0.730 和 0.890 为例，其计算过程如下。

依照上述过程，研究者可以分别计算出其他 维度的平均方差抽取量和组合信度。