组合信度cr值要大于多少
发布网友
发布时间：2023-03-09 11:37
共2个回答
热心网友
时间：2023-10-10 23:55
就是可靠性，是指采取同样的方法对同一对象重复测量时，其所得结果一致性的程度（通俗讲就是测量的稳不稳）。
2. 分类
重测信度、复本信度、内部一致性信度、组合信度。其中内部一致性信度又分为分半信度和同质性信度。
2.1 重测信度
对同一组被调查人采用相同的调查问卷，在不同时间点重复测量，看两次或多次结果是不是一样。（ps管理学实际调查研究中很难实现，一般人都不愿意重复的题回答多次，而且其中还会有重复训练导致的结果偏差）
2.2复本信度
是指同一组被调查人运用两份内容等价但是题目不同的问卷测量，看测量结果是不是一样的。（ps管理学实际调查研究中同样很难实现，一是很难找到两份内容完全等价题目又不同的问卷，二是被调查人员对这样调查的排斥）
2.3内部一致性信度
这是研究者退而求其次的结果，就是说一份问卷（量表）既然和外部对比比较难实现，那就看看内部各个题项之间是不是一致的。分半信度：把量表一分为二，看看两部分测量结果是不是一样的（ps缺点是分半的方式有很多种，每一种算出来的结果都不同，这个就不太好了）。
所以研究者在此基础上，提出了同质性信度，其中用的最多的克朗*系数（大家现在在各个论文里看见的衡量信度的标准就是这个），就是把所有的分半情况都考虑进去，算出个均值。根据公式，克朗*系数会随着题目数目的增加而呈现虚高。关于*度量表，需要报告每个分量表和总体的克朗*系数。
2.4组合信度CR
是指组合变量(由多于一个变量的总和做成的新变量)的信度，需要>0.5。计算CR的前提是KMO值>0.7， Barlett球形检验显著（即达到进行EFA检验的条件），因子载荷>0.3或0.4。
2.5在论文里检验信度的通用流程
2.5.1预试过程内部一致性信度检验
不比成熟和使用广泛的量表的信度表现都比较好，在量表开发阶段需要根据信度表现水平对题项进行调整。CITC（Corrected Item-Total Correlation 修正的项目总相关系数）：表示的各个题项之间的相关性。项已删除的α系数:表示删除某一题项后,其余题项的α系数。如果CITC值<0.4,且删除某一题项后α系数有所提升（即删除这个题项后，整体信度变好了），则考虑删除这一题项。
实现工具：SPSS中的可靠性分析，并勾选“项已删除后的标度”。
2.5.2 正式测试中信度检验
一是要求克朗*系数>0.7。二是要求CR>0.7。
实现工具：克朗*系数还是用SPSS中的可靠性分析，直接就能输出该系数。CR值的计算分为两种：带置信区间的和不带置信区间的。带置信区间的要用MPLUS计算。不带置信区间的可以用SPSS并结合EXCEL小工具计算：SPSS中进行因子分析，勾选固定提取因子数目，填写“1”。将输出结果中的“成分矩阵”表中的标准化载荷系数、“公因子方差”表中的多元相关平方放入EXCEl公式中就能得到CR值（ps同时也可以得到AVE（平均提取方差值），在后面的效度检验中能够用到）
（二）效度
1 定义
就是有效性，是指测量工具或手段能够准确测出所需测量事物的程度（通俗讲就是测的到底是不是这个东西）。
2. 分类
内容效度、结构效度、效标效度等。其中结构效度的检测分为测量间方法和测量内方法，测量内方法可以使用EFA和CFA，测量间的方法可以去判断聚合效度和区分效度。
2.1 内容效度
是指项目对欲测的内容或行为范围取样的适当程度，即测量内容的适当性和相符性。一般采用定性方法进行判断，如专家判断法和逻辑分析法。在论文中一般用文字描述即可，成熟量表的内容效度一般都较好。
2.2结构效度
是指一个测验实际测到所要测量的理论结构和特质的程度，即数据的结构是否符合预期。
2.2.1 测量内的方法
2.2.1.1 EFA
探索性因子分析。是一项用来找出多元观测变量的本质结构、并进行处理降维的技术。通过EFA，可以判断变量内部的结构是否与理论预期相符。
EFA通常用到的地方是①在不清楚变量内部结构的情况下，确定结构②在研究预试阶段进行因子分析，对量表题项进行增删或修改，使量表具有良好的效度。
接下来我会专门一篇关于EFA的文章。
2.2.1.2 CFA
验证性因子分析。测试一个因子与相对应的测度项之间的关系是否符合研究者所设计的理论关系。如果对因子结构有事先的假设和理论基础，通常采用CFA。一般来说当你使用成熟量表时，变量的维度都较为清晰，采用CFA是更好的选择。
2.2.2测量间的方法
2.2.2.1聚合效度
不同的观察变量是否可以用来测量同一变量。检验的标准有：①在因子分析中，每个题项因子载荷系数>0.7（表明题项与构念间有很高的相关性）②每个构念的AVE值>0.5（表明方差提取的比例很高）
2.2.2.2区分效度
一个测量不会与代表其他构念的测量相关很大。检验的标准有：
1 变量之间的角度
管理学常用做法：计算各变量之间的相关系数和每个变量AVE值的平方根，形成一个表格，对各变量AVE平方根与其所在行或列的相关系数绝对值进行比较，如果前者明显大，则证明区分效度良好。
心理学常用做法：将文章中涉及到的所有变量，有的进行合并，形成多个竞争模型，对每个模型的拟合度进行检验。比如有5个变量，如果发现五因子模型拟合度最优，则证明区分效度 良好。
2 测量项与构念之间的角度
一个测量项与其对应的构念的载荷要明显大于与其他所有构念的交叉因子载荷，也能表明有良好的区分效度（ps就是对于测量题目较多的研究，这个表格会比较庞大）。
也有学者提出过用多质多法（MTMM）检验聚合效度和区分效度，但是比较麻烦，有兴趣的同学可以找相应的书学习。
2.3 效标效度
就是考查测验分数与效标的关系,看测验对我们感兴趣的行为预测得如何。比如已知A和B相关，B的测量是没问题的，如果测量不出来A和B的关系，则证明A的测量时有问题的，反之则证明A的测量是有效的。
3在论文里检验结构效度的一般流程（仅供参考）
3.1 小论文中的检验
在管理学和组织行为学中，大部分的实证研究都是去建立模型，探究变量之间的关系，以期对现实中的管理行为有指导意义，因此重点并不在于开发量表，开发量表是一个漫长而又复杂的过程，多数为心理学研究的范畴。所以在管理学论文中，尤其是小论文中，大部分学者都是倾向于用成熟量表，因此一般来说量表内部的内容效度和结构效度都是达标的。
在小论文中，我看到的学者一般都是检验一下变量的区分效度，有的也检验一下聚合效度。
3.2 大论文（毕业论文）中的检验
在大论文中，篇幅较大，所以可以更细致地做效度检验。
3.2.1 预试过程中
一是通过EFA，一般删除因子载荷<0.4的项目，以及归属不清或者归属与理论不符等项目，通过多次EFA使量表呈现出良好的结构效度。二是通过CFA，验证测量模型的拟合度。
3.2.2 正式测试中
3.2.2.1 非成熟量表开发（维度构建）
一是通过EFA，提取特征值>1的因子，看提取的数量是否与预期的相同（或者设置固定的提取因子数量），经过方差旋转后，选取因子载荷>0.4的因子进行命名。二是通过CFA，单维度变量验证拟合度，*度变量通过合并一些维度，构建多个竞争模型，比较拟合度。
最后要说的：通过以上总结可以发现信效度有很多种，而且即便对于同一种信效度检验的方法也是有多种的。大家可以去看不同的小论文或者博士论文，他们对于信效度检验这块的内容做法也是不尽相同的。延伸到论文写作中常用的中介分析、调节分析，也可以发现检验流程不同！
这告诉我们什么呢？我认为管理学数据分析这块的内容只有少部分检验流程是固定的（统计的有关知识是固定的，但是你写论文用不用检验这块，就是仁者见仁智者见智了），这需要根据你论文的类型（大论文or小论文）、研究的侧重点（变量间的关系or变量本身的探索）、期刊偏好（即你可以参考目标期刊上文章都是什么样的流程）。
因此说，别人并不能告诉你中介分析就应该怎么怎么一步步做，需要你在明白每一步骤到底是用来做什么的，你的研究是否需要等一系列问题后，再设计自己的分析流程。信度指测验结果的一致性、稳定性及可靠性，一般多以内部一致性来加以表示该测验信度的高低。
效度即有效性，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。
/iknow-pic.cdn.bcebos.com/3812b31bb051f8190a4445bed6b44aed2f73e7e5"target="_blank"title="点击查看大图"class="ikqb_img_alink">/iknow-pic.cdn.bcebos.com/3812b31bb051f8190a4445bed6b44aed2f73e7e5?x-bce-process=image%2Fresize%2Cm_lfit%2Cw_600%2Ch_800%2Climit_1%2Fquality%2Cq_85%2Fformat%2Cf_auto"esrc="https://iknow-pic.cdn.bcebos.com/3812b31bb051f8190a4445bed6b44aed2f73e7e5"/>
拼音：xìndù；xiàodù
造句：
信度
1、自信不是狂妄自大，也不是心血来潮，更不是“宁信度，勿自信也”形而上学的固执。它是理想进取中折射出的生命的灵光，是孜孜追求路途中永恒的生命潮汐，是成功碑塔下第一块灵活辩证的基石。
2、当然，覆水难收；美国*作为可靠传话者的可信度已丧失，而且无疑这会持续很长时间。
3、像他这种大言不惭的人，说话连一点可信度也没有。
4、他的话足以证明池塘没有鱼可信度不太高，我径直了过去放下钓竿，对他的话置之不理。
5、承诺是没有统一可信度的。
效度
1、词汇学习学以致用的效度也在此一举。
2、本文研讨测谎器的概念，测谎技术的原理、指标、效度和设计实例，希望借此引起电子行业有识之士的关注。
3、目的考查华文认知能力量表的构想效度。
4、对正式问卷进行了项目区分度、信度和效度分析。
5、验证性因素分析结果表明，量表的构想效度良好。
热心网友
时间：2023-10-10 23:55
验证性因子分析：事前已知理论变量，强调多个测试项是否能否代表某个理论变量，例如检验购买频率、主观评估、消费比例是否真的可以反映忠诚度。也就是我们预先的理论架构是否是好的，题目设置是否是好的，收集到的数据能否体现想要的结果，实际上也就是一种效度检验。
探索性因子分析更适合于在没有理论支持的情况下对数据的试探性分析。验证性因子分析充分利用了先验信息，在已知因子的情况下检验所搜集的数据资料是否按事先预定的结构方式产生作用。
同时，两种因子分析缺少任何一个，因子分析都将是不完整的 。一般来说，如果研究者没有坚实的理论基础支撑，有关观测变量内部结构一般先用探索性因子分析，产生一个关于内部结构的理论，再在此基础上用验证性因子分析，这样的做法是比较科学的，但这必须要用两组分开的数据来做。如果研究者直接把探索性因子分析的结果放到统一数据的验证性因子分析中，研究者就仅仅是拟合数据，而不是检验理论结构。如果样本容量足够大的话，可以将数据样本随机分成两半，合理的做法就是先用一半数据做探索性因子分析，然后把分析取得的因子用在剩下的一半数据中做验证性因子分析
