

量表的效度评价

数据分析和应用

2020-07-07

导读：上一篇文章我们介绍了量表的信度（Reliability）评价，本篇将介绍量表的效度（Validity）评价。

上一篇文章我们介绍了量表的信度（Reliability）评价，本篇将介绍量表的效度（Validity）评价。效度是指测量工具测出变量结果的准确性，即测量工具能准确、真实地反映变量本身的程度。信度是效度的必要条件：信度高，效度不一定高；效度高，信度必然高。

效度类型

（一）内容效度(Content-related validity)

内容效度是指测量内容与测量目标之间的适切性，即测量所选择的题目是否符合测量的目的和要求。

（二）准则效度(Criterion-related Validity)

准则效度又称为效标效度或实证效度(empirical validity)。准则即标准，即通过将自身使用的量表得出的结果与某一标准量表（被行业广泛认同的经典量表）所得到的结果进行对比，如果自身量表的测量结果与标准量表所测量的结果一致，就可以说自身的量表具有较高的准则效度。

（三）结构效度(Construct Validity)

结构效度又称构想效度，指的是量表实际测到所要测量的理论结构的程度，是为了说明量表测量结果与设计该量表时所假定的理论间的符合程度。在社会学或心理学调查中，常常需要对量表进行结构效度评价。

效度的影响因素

（一）量表设计

量表本身是否准确有效，是调查研究的重中之重。量表设计不规范，例如言语表述不清楚或表述错误，使得调查对象错误理解调查问题；或者题项之间存在交叉关联，还有量表题目数量过少等，这些都会影响到量表的效度。

（二）调查者

调查者在调查中，不仅可以帮助调查对象正确理解题项和填选问卷，还可以及时发现调查中的一些遗漏，例如问卷填写的完整性等。若调查者缺乏相关专业知识以及没有严谨的工作态度，则会影响到调查结果的准确性。

（三）调查对象

在调查中取得调查对象的配合，对调查结果的准确性具有重要影响。调查对象未按照要求进行题目选填，或者是不实作答，这些都可能影响到量表的效度。

（四）其他

问卷的整理、编码、录入等过程中出现差错，或者是调查过程中受到某些因素的干扰，都可能降低研究结果的效度。

效度的评价

（一）内容效度(Content-related validity)

内容效度是一个主观指标，其评价方法主要是专家评价法，邀请该领域的有关专家对量表内容的适切性进行评价，判断量表内容是否能有效准确地反映测量目标。

（二）准则效度(Criterion-related Validity)

准则效度的评价主要是采用相关法，即对量表测量结果和标准量表测量结果进行相关性分析，相关性越高，效度越大，其他常见的评估方法还有区分法等；

在 R 软件中, 准则效度分析可调用 cor() 函数。如果是连续性变量计算 Pearson 相关系数,分类变量则计算 Kendall 相关系数。例如我们设计的量表Self包含10个变量，且全部是连续型变量,然后用类似的经典量表Class测量相同对象,然后在R中调用cor()函数,代码如下:

cor(Self,Class,method="pearson")#注意Self/Class数据类型应为矩阵或数据框
cor.test(Self,Class,method="pearson")#对其相关性进行显著性检验

（三）结构效度(Construct Validity)

我们常说的效度评价往往针对的是结构效度，结果效度的评价主要采用因素分析法（factor analysis），可分为探索性因素分析（exploratory factor analysis, EFA）和验证性因素分析（confirmatory factor analysis ,CFA）。EFA指的是在进行因素分析之前，研究者并未对量表的理论架构（因素结构）有所设想，测量变量（量表题项）能够最终形成几个因子是未知的，而是藉由因素分析法分析其理论架构，带有浓厚的尝试错误的风格。而CFA主要是用于评价基于特定理论或者经典量表设计的量表，将因子和因子对应的题项关系固定，再通过样本数据来评价研究者假想的因素结构与实际数据之间的拟合程度。

EFA主要是用于问卷设计初期，着重探索量表的因素结构。但在调查过程中，问卷的设计更多的是基于某些经典量表或者被业内广泛认可的量表，而CFA就是常用于成熟量表的信效度评价，着重于验证量表的因素结构，在R软件中可以通过lavaan包的cfa()函数实现。