信度和效度分析.doc

信度分析
信度分析是一种测度综合评价体系是否具有一定稳定性和可靠性的有效分析方法。信度是根据测验工具所得到的结果的一致性或稳定性,反映被测特征真实程度的指标。信度指标多以相关系数表示,大致可分为三类:稳定系数(跨时间的一致性),等值系数(跨形式的一致性)和内在一致性系数(跨项目的一致性)。信度分析的方法主要有四种:重测信度法、复本信度法、折半信度法、克朗巴哈(Cronbach)α系数信度法。在实证研究中,学术界普遍使用克朗巴哈(Cronbach)α系数信度法。
一般来说,信度的判别标准如下表:
信度≤01>.30
不可信
<信度≤
初步的研究,勉强可信
<信度≤
稍微可信
<信度≤
可信(最常见的信度范围)
<信度≤
很可信(次常见的信度范围)
<信度
十分可信
本文采用克朗巴哈(Cronbach)α系数信度法测量,根据量表中的5个维度分别计算各个维度的Cronbachα值,对各个维度的内部一致性信度进行分析,结果如下:
变量
Cronbach α值
价格

质量

分销渠道

广告宣传

工作人员

品牌影响力


从上述Cronbach α值分析结果中,我们发现,,均可以接受。因此,研究结果表明各个计量尺度都较为可靠。
效度分析
低效度的问卷往往无法达到测量目的,因此对效度的评价非常重要。一般可以侧重两个个角度进行判断:一是观察问卷内容切合主题的程度;二是从实证角度分析其结构效度。
内容效度
内容效度主要是用来反映量表内容切合主题的程度。若测量内容涵盖所有研究计划所要探讨的构架及内容,就说明是具有优良的内容效度。检验的方法需要采用专家判断法,由相关专家和专业人士就题项恰当与否进行评价。
构建效度
构建效度也称结构效度,主要是用来检验量表是否可以真正度两处所要度量的变量。一般采用因子分析来验证。
效度检验
(1)考察原有变量是否适合进行因子分析
首先考察收集到的原有变量之间是否存在一定的线性关系,适合采用因子分析提取因子。这里,借助变量的相关系数矩阵、反映像相关矩阵、巴特利特球度检验和KMO检验方法进行分析。分析结果如下,同时,由于数据中存在缺失值,采用均值替代法处理缺失值。
KMO 和 Bartlett 的检验
取样足够度的 Kaiser-Meyer-Olkin 度量。
.857
Bartlett 的球形度检验
近似卡方


df
78

Sig.
.000
有上述数据可知:,相应的概率P值接近0。,由于概率P值小于显著性水平α,则应拒绝原假设,认为相关系数矩阵与单位阵有显著差异。同时,,根据Kaiser给出的KMO度量标准可知原有变量适合进行因子分析。
(2)提取因子
绘制碎石图如下:
由图可以看出,第二个特征值后,其他特征值变化逐渐缓慢,因此,我们提取2个公共因子。经过因子旋转后得到的因子载荷矩阵为:
旋转成份矩阵a

成份

1
2
收费标准合理
.083
.863
资费套餐符合需求
.697
.058
捆绑销售觉得优惠
.775
.161
网络质量好
.329
.584
多种途径选择
.791
.107
宣传投入多
.618
.170
宣传留下印象深刻
.487
.278
工作人员能力强
.535
.437
工作人员服务态度好
.542
.432
提取方法:主成份。
旋转法:具有 Kaiser 标准化的正交旋转法。
a. 旋转在 3 次迭代后收敛。
由旋转后的载荷矩阵可以看出,量表的结构优度较优。
这里我们分别取两个公共因子命名为:产品自身和品牌投入。
模型分析
模型的选择与构建
本次研究主要针对电信品牌影响力是否在财大提升,并找出相应的影响因素。因此因变量不再是定量数据,而是定性数据,要用离散数据表示,即取值不是连续的。通常处理离散数据的模型为二项选择模型,包括Logit,Probit模型。本文选择Logit模型,根据调查问卷LEVER5的赋值,选择品牌影响力维度下的三个问题“如果没有绑定业务,您会选择使用电信业务”、“您会继续使用电信业务”、“您会推荐您