为了正常的体验网站,请在浏览器设置里面开启Javascript功能!

信度和效度分析

2017-09-30 7页 doc 21KB 192阅读

用户头像

is_196623

暂无简介

举报
信度和效度分析信度和效度分析 信度分析 信度分析是一种测度综合评价体系是否具有一定稳定性和可靠性的有效分析方法。信度是根据测验工具所得到的结果的一致性或稳定性,反映被测特征真实程度的指标。信度指标多以相关系数表示,大致可分为三类:稳定系数(跨时间的一致性),等值系数(跨形式的一致性)和内在一致性系数(跨项目的一致性)。信度分析的方法主要有四种:重测信度法、复本信度法、折半信度法、克朗巴哈(Cronbach)α系数信度法。在实证研究中,学术界普遍使用克朗巴哈(Cronbach)α系数信度法。 一般来说,信度的判别标准如下表: 信度?0...
信度和效度分析
信度和效度分析 信度分析 信度分析是一种测度综合体系是否具有一定稳定性和可靠性的有效分析方法。信度是根据测验工具所得到的结果的一致性或稳定性,反映被测特征真实程度的指标。信度指标多以相关系数表示,大致可分为三类:稳定系数(跨时间的一致性),等值系数(跨形式的一致性)和内在一致性系数(跨项目的一致性)。信度分析的方法主要有四种:重测信度法、复本信度法、折半信度法、克朗巴哈(Cronbach)α系数信度法。在实证研究中,学术界普遍使用克朗巴哈(Cronbach)α系数信度法。 一般来说,信度的判别如下表: 信度?0.30 不可信 0.30<信度?0.40 初步的研究,勉强可信 0.40<信度?0.50 稍微可信 0.50<信度?0.70 可信(最常见的信度范围) 0.70<信度?0.90 很可信(次常见的信度范围) 0.90<信度 十分可信 本文采用克朗巴哈(Cronbach)α系数信度法测量,根据量表中的5个维度 分别计算各个维度的Cronbachα值,对各个维度的内部一致性信度进行分析, 结果如下: 变量 Cronbach α值 价格 0.796 质量 0.735 分销渠道 0.777 广告宣传 0.611 工作人员 0.799 品牌影响力 0.696 从上述Cronbach α值分析结果中,我们发现,所有的计量尺度的内部一致性系数都在0.6到0.8之间,均可以接受。因此,研究结果表明各个计量尺度都较为可靠。 效度分析 低效度的问卷往往无法达到测量目的,因此对效度的评价非常重要。一般可以侧重两个个角度进行判断:一是观察问卷内容切合主题的程度;二是从实证角度分析其结构效度。 内容效度 内容效度主要是用来反映量表内容切合主题的程度。若测量内容涵盖所有研究所要探讨的构架及内容,就说明是具有优良的内容效度。检验的方法需要采用专家判断法,由相关专家和专业人士就题项恰当与否进行评价。 构建效度 构建效度也称结构效度,主要是用来检验量表是否可以真正度两处所要度量的变量。一般采用因子分析来验证。 效度检验 (1)考察原有变量是否适合进行因子分析 首先考察收集到的原有变量之间是否存在一定的线性关系,适合采用因子分析提取因子。这里,借助变量的相关系数矩阵、反映像相关矩阵、巴特利特球度检验和KMO检验方法进行分析。分析结果如下,同时,由于数据中存在缺失值,采用均值替代法处理缺失值。 KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。 .857 Bartlett 的球形度检验 近似卡方 2002.021 df 78 Sig. .000 有上述数据可知:巴特利特球度检验统计量的观测值为2002.021,相应的概率P值接近0。如果显著性水平α为0.05,由于概率P值小于显著性水平α,则应拒绝原假设,认为相关系数矩阵与单位阵有显著差异。同时,KMO值为0.857,根据Kaiser给出的KMO度量标准可知原有变量适合进行因子分析。 (2)提取因子 绘制碎石图如下: 由图可以看出,第二个特征值后,其他特征值变化逐渐缓慢,因此,我们提取2个公共因子。经过因子旋转后得到的因子载荷矩阵为: 旋转成份矩阵a 成份 1 2 收费标准合理 .083 .863 资费套餐符合需求 .697 .058 捆绑销售觉得优惠 .775 .161 网络质量好 .329 .584 多种途径选择 .791 .107 宣传投入多 .618 .170 宣传留下印象深刻 .487 .278 工作人员能力强 .535 .437 工作人员服务态度好 .542 .432 提取方法 :主成份。 旋转法 :具有 Kaiser 标准化的正交旋转法。 a. 旋转在 3 次迭代后收敛。 由旋转后的载荷矩阵可以看出,量表的结构优度较优。 这里我们分别取两个公共因子命名为:产品自身和品牌投入。 模型分析 模型的选择与构建 本次研究主要针对电信品牌影响力是否在财大提升,并找出相应的影响因素。因此因变量不再是定量数据,而是定性数据,要用离散数据表示,即取值不是连续的。通常处理离散数据的模型为二项选择模型,包括Logit,Probit模型。本文选择Logit模型,根据调查问卷LEVER5的赋值,选择品牌影响力维度下的三个问题“如果没有绑定业务,您会选择使用电信业务”、“您会继续使用电信业务”、“您会推荐您的亲朋好友使用电信业务”取值的均值进行处理作为因变量,当均值大于2.5时,因变量取1;反之取0。关于自变量的选择,我们选择性别、、月均话费、手机卡品牌使用时间、月均生活费、使用的校园套餐、以及效度检验中的两个公共因子产品自身和品牌投入作为自变量,分别作8个Logit模型回归,检验显著性。 模型回归 性别为自变量 性别sex为自变量时,Eviews回归结果如下表: 由表中数据可以看出,似然比检验值为14.35282,相应的概率P值为0.000152,应该拒绝原假设,因此,说明性别对品牌影响力具有显著影响。由于男生取值为1,女生取值为2,这里性别的系数为-0.758513,说明相比而言,女生更不倾向消费电信产品。 年级为自变量 年级为自变量时,Eviews回归结果如下表: 由表中数据可以看出,似然比检验值为8.837415,相应的概率P值为0.002951,应该拒绝原假设,因此,说明年级对品牌影响力具有显著影响。这里性别的系数为-150689,说明相比而言,高年级同学比低年级同学更不倾向消费电信产品。 月均话费为自变量 月均话费为自变量时,Eviews回归结果如下表: 由表中数据可以看出,似然比检验值为3.089307,相应的概率P值为0.078808,应该接受原假设,因此,说明月均花费对品牌影响力没有显著影响。 手机卡品牌使用时间为自变量 手机卡品牌使用时间为自变量时,Eviews回归结果如下表: 由表中数据可以看出,似然比检验值为2.275062,相应的概率P值为0.131470,应该接受原假设,因此,说明手机卡使用时间对品牌影响力没有显著影响。 月均生活费为自变量 月均生活为自变量时,Eviews回归结果如下表 由表中数据可以看出,似然比检验值为0.195224,相应的概率P值为0.658604,应该接受原假设,因此,说明月均生活费对品牌影响力没有显著影响。 使用的校园套餐为自变量 由表中数据可以看出,似然比检验值为5.526032,相应的概率P值为0.018736,应该拒绝原假设,因此,说明所使用套餐对品牌影响力具有显著影响。这里性别的系数为0.168006,说明相比而言,套餐费用越高的同学更倾向于消费电信绑定业务的产品。
/
本文档为【信度和效度分析】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑, 图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。 本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。 网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。

历史搜索

    清空历史搜索