效度检验研究成果：测验间方法和区分效度

所谓效度，就是一个量表对其所要测量的特性能够测量到何种程度的估计。一般效度可分为三种类型：内容效度、结构效度和准则关联效度[4]。内容效度是指量表所选用的项目对整个量表内容范围的代表性程度；结构效度是指量表是否真实体现了测量所依据的理论结构，以及对理论结构的体现程度；准则关联效度是指量表对某一行为表现的预测能力高低。

本研究采用多种方法来保证问卷的内容效度。首先，尽可能采纳学者们已有研究成果的相关量表。在选用中，优先选择与本研究主题相关的量表，优先选择信度与效度高的量表，在缺乏相关研究主题量表时，则选择与本研究主题具有显著逻辑关系的量表，即通过已知的确切理论，在学者的研究主题与本研究主题之间建立明确的逻辑关系。其次，对学者们在前期相关研究中发展的量表进行梳理、归纳、整合，然后采用深度访谈和预测问卷中的开放性问题，收集调查对象的意见。最后，采用专家评定的方法，将修改后的量表在课题组内进行讨论，让研究生导师、研究生管理人员等不同方面的专家判断量表项目的代表性。通过这些步骤，可以认为，本研究中量表的内容效度是有保证的。

由于本研究同时测量若干个概念，而每一个概念也涉及多个维度，为了提高量表质量，本研究还用会聚效度与区分效度来对量表的结构效度进行控制。会聚效度与区分效度属于效度检验中的“测验间方法”，即同时考虑几个测验间的相关性，也就是说，测量相同结构的不同测验之间应当具有较高的相关性，而不同结构的测验之间的相关性较低。(www.xing528.com)

本研究通过结构方程模型（SEM）中的验证性因子分析（CFA）来检验研究量表的项目是否具有较高的会聚效度和区分效度。会聚效度是指项目与理论上测量的相关特质的问题的关联程度，其关注的重点在于采用不同方法测量同一特质所得结果之间的关联性。对于会聚效度，本研究考察了每个维度的测量项目因子的负荷值，将因子负荷小于0.50的测量项目删去；同时，“测量工具的因子载荷显著，而且都超过普遍认为的因子分析中有意义的0.40的水平，就支持项目的会聚效度”[5]。

区分效度是指项目能否区分与测量特质不相关的因素，其关注的是用同一方法测量不同特质所得结果之间的关联性。如果假设的四因素模型的χ2拟合指标比三因素、两因素和一因素的χ2拟合指标要好，那么就存在区分效度。“以限制模型的χ2值与非限制模型的χ2值进行比较判断，两者相差越大表示变量间区分效度越大”[6]，这部分的研究见第四章第三节。