1、因子分析法做区别效度分析：Kerhnger(1986)提出，同一构面中，因子负荷值越大(通
常为0.5以上)，表示收敛效度越高;每一个项目只能在其所属的构面中，出现一
个大于.05以上的因子负荷值，符合这个条件的项目越多，则量表的区别效度越高。
2、用amos等做验证性因子分析时，修正指数(M)I被用来检验区别效度。修正指数指的是模型中某个受限制的
参数(通常是固定为0的参数)，若容许自由估计，模型会因此而改良，整个模型卡方减少的数值，称为此参数的修正指数。Ml小于3.84(P<0.05)或6.63(P<001)，表明测量模型有较好的区别效度(侯杰泰，2004)
3、（你的问题参照这个）通常，对一个变量进行维度划分，既要求各维度之间显著相关，但又必须具
有足够的区分效度。因为，假若各维度之间的相关性不显著，则可能表明各维度
并非反映一个共同的变量。但如相关性过强，则又可能表明各维度实质为同一概
念，没有进行维度划分的必要。多数学者(如侯杰泰等(2004)与黄芳铭(2005))
一致认为，对于维度间是否显著相关，可通过维度间相关系数的T值进行判断，
通常可简单地取T值大于2为是否显著的判断标准。
对于各维度间是否存在足够的区分效度，通常采用比较各维度间完全标准化
相关系数与所涉及各维度自身AVE的平方根值大小，当前者小于后者，则表明
各维度间存在足够的区分效度，反之，则区分效度不够(Fomell&Larcker， 1981)

我一般用前两种方法，建议参考我分享的两篇文章。

两篇文章的链接http://www.pinggu.org/bbs/thread-497273-1-1.html

非常好，谢谢！！！

2# yangyang9189


回答的真是精彩！鞭辟入里！

2# yangyang9189


版主讲的或许应该是这本书：

Kerlinger, F.N. (1986). Foundations of behavioral research (3 rd ed.). Fort Worth: Holt Rinehart and Winston. 3rd