结构效度A.单侧检验 B.双侧检验 C.检验 D.t检验

结构效度A.单侧检验 B.双侧检验 C.检验 D.t检验

结构效度是评估测量工具能否准确反映理论构想的核心指标，其验证过程不涉及单侧检验、双侧检验或t检验等假设检验方法，而是主要依赖因子分析（包括探索性因子分析和验证性因子分析）。这种方法通过提取公因子、分析题项与因子的对应关系，判断数据结构是否与理论假设一致。

结构效度的核心验证方法：因子分析

因子分析是结构效度检验的金标准，其核心逻辑是通过降维技术将多个观测变量浓缩为少数几个公因子，再通过因子载荷系数、共同度、累积方差解释率等指标，判断这些公因子是否与预设的理论维度匹配。例如，若设计一份包含20个题项的"学习动机"量表，理论上分为"内在动机"和"外在动机"两个维度，因子分析需验证这20个题项是否确实聚合为两个独立因子，且题项与因子的对应关系符合预期。

关键步骤与判断标准

前提检验
进行因子分析前需通过KMO检验和巴特利特球形检验：

KMO值用于判断变量间的相关性，需≥0.6（0.9以上为极佳，0.5以下不适合因子分析）；

巴特利特球形检验的p值需<0.05，表明变量间存在显著相关性，适合因子分析。

因子提取与题项调整

通常以特征根>1为标准提取公因子，或根据理论预设固定因子个数；

通过因子载荷系数（绝对值≥0.4）判断题项归属，删除"张冠李戴"（题项归属错误）或"共同度<0.4"的题项。例如，某题项理论上属于"内在动机"，但因子分析显示其在"外在动机"上载荷更高（如0.6 vs 0.3），则需删除该题项并重测。

结果评估指标

累积方差解释率：旋转后公因子的累积方差解释率需≥50%（理想值>60%），表明因子对数据的解释力较强；

区分效度与聚合效度：通过AVE（平均方差萃取）平方根是否大于因子间相关系数（Fornell-Larcker标准）、HTMT值是否<0.9等指标，判断因子间的独立性。

为何不涉及单侧/双侧检验或t检验？

单侧检验、双侧检验及t检验属于均值比较或参数估计的统计方法，用于判断样本均值与总体均值的差异（如t检验）或检验参数是否落在特定方向（如单侧检验）。而结构效度关注的是数据结构与理论构想的一致性，需通过因子分析等探索变量间潜在关系的方法实现，与均值比较无关。

典型误区与注意事项

混淆信度与效度：信度（如Cronbach's α）反映题项内部一致性，而结构效度反映理论结构的合理性，高信度不必然意味着高效度；

忽略理论驱动：因子分析需以理论为基础，避免单纯依赖数据驱动（如盲目删除"纠缠不清"的题项）；

误用验证性因子分析：探索性因子分析适用于维度未知的情况，验证性因子分析则用于检验已知理论结构，二者不可混淆。

总结

结构效度的验证本质是理论与数据的匹配检验，核心工具为因子分析，而非假设检验方法（如t检验）。研究者需通过KMO、巴特利特检验、因子载荷、累积方差解释率等指标，系统评估题项与理论维度的对应关系，确保测量工具真正捕捉到研究构念的本质。这一过程需反复调整题项，直至数据结构与理论假设高度吻合。

思考：若因子分析结果显示某维度的累积方差解释率仅为45%，可能的原因是什么？（提示：题项设计、样本代表性或理论框架缺陷）