效度、信度与区分度

nullnullnull1.因子分析(Factor analysis)简介 1.1 因子分析的意义 减少变量数目 探索变量结构（分析结构效度） 1.2 因子分析的类型 探索性因子分析 (Exploratory factor analysis) 验证性因子分析 (Confirmatory factor analysis)null2.因子分析的理论基础 2.1 相关的几何意义null 2.2 向心法 (Centroid Method) null两个变量的因子负荷和特征值 OA=0.886*OC+0.5*OD OB=0.886*OC-0.5*ODnull2.3 理论模型 在一次企业文化调查中收集的以下几项指标：是否保守X1，薪酬是否满意X2，工作是否稳固X3，管理结构是否合理X4，是否有个人发展空间X5，得到如下模型：null3. 因子分析应注意的相关问题 3.1 数据要求与假设前提 样本容量 变量的相关程度 极端值 正态分布 null3.2 因子数目的确定 Kaiser’s 准则 (Kaiser’s criterion) 方差解释 碎石图 (Scree plot) 可理解性null 2.4 因素旋转 (Factor rotation) 2.5 解释因素 因素命名的合理性 双载荷变量的处理null3. 关于结构效度 3.1 结构效度的重要性 结构效度是所有的各种效度之本。是结构效度决定了整个测量的性质,决定了测量属于哪个体系。 3.2 效度检验的量化标准 方差标准 相关系数标准 null4. 信度 (Reliability) 4.1 信度的分类 评分者信度 (Inter-rater reliability) 重测信度 (Test-retest reliability) 平行信度 (Parallel form reliability 拆半信度 (Split-half reliability) 一致性信度 (Cronbach α) null4.2 Cronbach α计算及 通常Cronbach α系数的值在0和1之间。如果X系数不超过0.6，一般认为内部一致信度不足；达到0.7-0.8时示量表具有相当的信度，达0.8-0.9时说明量表信度非常好。Cronbach α系数的一个重要特性是它们值会随着量表项目的增加而增加，因此，Cronbach α系数可能由于量表中包含多余的测量项目而被人为地、不适当地提高。 null5. 区分度 D=2(XH-XL)/W 区分度（D）的取值范围介于-1.00至+1.00之间。通常D为正值，称为积极区分；D为负值称为消极区分；D值为0称为无区分作用。具有积极区分作用的试题，其D值越大，区分的效果越好。试题的区分度在0.4以上表明此题的区分度很好，0.3～0.39表明此题的区分度较好，0.2～0.29表明此题的区分度不太好需要修改，0.19以下表明此题的区分度不好应淘汰。