在结构方程模型(SEM)或验证性因素分析中,组合信度(CR)和平均方差提取(AVE)是评估构造可靠性和收敛效度的两个关键指标。当您从数据中抽取公因子后,可以通过以下步骤计算CR和AVE值:
### 组合信度(Composite Reliability, CR)
1. **计算因子载荷**:首先,确定每个测量项对所属公因子的标准化因子载荷(λ)。
2. **计算平方因子载荷之和**:将所有与一个特定公因子相关的测量项的因子载荷的平方相加(\sum λ^2)。
3. **计算残差方差之和**:对于每个测量项,计算1减去其因子载荷的平方(即它的误差项),然后将这些值相加(\sum (1 - λ^2))。
4. **计算CR**:
\[
CR = \frac{\sum λ^2}{\sum λ^2 + \sum (1 - λ^2)}
\]
### 平均方差提取(Average Variance Extracted, AVE)
1. **计算平方因子载荷之和**:这一步与CR的第二步相同,即计算所有与一个特定公因子相关的测量项的因子载荷的平方(\sum λ^2)。
2. **计算AVE**:
\[
AVE = \frac{\sum λ^2}{\text{数量 of items}}
\]
这里需要注意的是,“数量 of items”是指构成该公因子的所有测量项的数量。
### 示例
假设您有3个测量项与一个公因子相关,它们的标准化因子载荷分别为0.8, 0.9和0.7:
- 对于CR:
- \(\sum λ^2 = 0.8^2 + 0.9^2 + 0.7^2 = 0.64 + 0.81 + 0.49 = 1.94\)
- \(\sum (1 - λ^2) = (1-0.64) + (1-0.81) + (1-0.49) = 0.36 + 0.19 + 0.51 = 1.06\)
- \(CR = \frac{1.94}{1.94 + 1.06} = \frac{1.94}{3} ≈ 0.647\)
- 对于AVE:
- \(\sum λ^2\) 仍然为\(1.94\),且数量 of items = 3
- \(AVE = \frac{1.94}{3} ≈ 0.647\)
一般而言,CR值应大于0.7,而AVE值应至少大于0.5来表明良好的信度和收敛效度。
此文本由CAIE学术大模型生成,添加下方二维码,优先体验功能试用