效度分析

这个方法是做什么的

用探索性因子分析检验量表的结构效度：这些题目背后有几个潜在维度，每道题归属哪一个，归属得清不清楚。提取方法固定为主成分法，旋转固定为最大方差法（varimax，正交旋转）；因子个数由控件“因子维度数”决定，默认“不设置”时按 Kaiser 准则保留初始特征值大于 1 的因子，也可以直接指定 1~20 个。

报告分三层。适用性在卡①：KMO 抽样适切性、逐题 MSA、Bartlett 球形度检验、相关矩阵行列式与样本量比。结构在卡②：总方差解释表（初始特征值与旋转后载荷平方和并列）与旋转后载荷矩阵及共同度。效度证据在卡④：累计方差解释率、平均共同度、按 Fornell & Larcker 公式算的组合信度 CR 与平均方差抽取量 AVE，以及逐题的载荷诊断——主载荷及其 Bootstrap 95% 置信区间（B=500，种子固定）、次大载荷、主次载荷差、共同度与 MSA，任一条触发（主载荷<0.50、主次差<0.20、共同度<0.40）即被标记。

需要准备什么数据

量表题目(定量型)：至少 2 个，定量变量（数值）

数据要求

数据表至少 50 行。
单列缺失率不超过 20%。
不接受取值全都一样的列（零方差列没有可分析的变异）。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

自编或改编量表后，检验题目是否按预期分成几个维度
论文的效度部分需要报告 KMO、Bartlett、旋转后载荷矩阵、累计解释率、CR 与 AVE
想找出交叉载荷题（在两个因子上都有中等载荷，归属不清）与低共同度题
想知道某道题的归属在重抽样下稳不稳（看主载荷的 Bootstrap 置信区间）

前提：题项须为定量计分（如 1~5 级李克特），文本选项要先转成数值；至少 2 个题项，实务上建议每个预期维度不少于 3 题；任一题项不得为常数列；反向计分题必须先反向处理；题项之间要存在足够的相关，这一条由 KMO 与 Bartlett 实测判定。样本量建议不少于题项数的 5 倍且不低于 100，数据表的硬性行数下限实测为 50 行——49 行会被直接拦下。

什么时候不要用它

你问的是“测得准不准”而不是“测的是不是那个东西”：内部一致性用「信度分析」，它给 Cronbach's α 的置信区间、McDonald's ω、Guttman λ6、测量标准误 SEM 与逐题删除后的 α。
需要斜交旋转、或想看因子之间的相关：本模块的旋转固定为 varimax，改用「因子分析(探索性)」，它的旋转方式可以选 Oblimin、Promax、Quartimax、Equamax。
只想把一堆指标压成少数几个综合得分供后续建模或排名使用，并不关心量表构念：用「主成分分析(PCA)」，报告围绕成分得分与解释率组织，不谈 CR/AVE。
题目是定类的（单选、多选、名义类别），不是等距计分：相关矩阵无从谈起，分类变量的降维与共现结构用「多重对应分析」。
想知道是哪几道题拖累了量表、要不要删：效度只看结构，删题决策看题目分析，用「区分度分析」（决断值 CR + CITC + 删除后 α）。

容易误读的地方

KMO 与 Bartlett 是“能不能做因子分析”的门槛，不是效度本身。 卡① 的表注把两者定位得很清楚：前者看相关是否足够集中，后者看相关是否为零。Bartlett 拒绝的只是“相关矩阵是单位阵”这个极低的门槛，示例 χ²(15)=429.823，样本量稍大几乎必然显著。把“KMO=0.706、Bartlett 显著”写成“量表效度良好”，是这份报告最高频的误读——效度的证据在卡② 的载荷结构与卡④ 的 CR/AVE。
因子数设少了，被挤掉那一维的题会被误判成坏题。 实测同一份数据：把“因子维度数”从“不设置”改成 1，三道服务质量题的主载荷掉到 0.003、−0.093、0.027，共同度接近 0，逐题诊断标记它们“主载荷<0.50、共同度<0.40”，卡⑤ 的修订建议直接点名要处理这三题；而按 Kaiser 准则自动提 2 个因子时，同样这三题的主载荷是 0.826~0.867、诊断全部是“题项归属清晰”。看到一批题被判不合格，先回头确认因子数设对了没有。
多提一个因子会让累计解释率和共同度一起变好看，这两个指标不能用来选因子数。 实测把因子数从 2 改成 3：累计解释率由 73.77% 升到 81.92%，共同度由 0.684~0.761 升到 0.762~0.917，逐题诊断依然全部“归属清晰”。可多出来的那个因子只有一道题，而它主载荷的 Bootstrap 95%CI 是 [−0.018, 0.928]，重抽样里连符号都不稳。定因子数要靠碎石图拐点、Kaiser 准则与理论构想，再用载荷的置信区间复核。
varimax 让 Fornell-Larcker 判据失效，报告里已经明说了。 卡④ 的表注写着：因子间相关被约束为 0，所以“√AVE 大于因子间相关”恒成立、不具鉴别力，区分效度改由交叉载荷（主次载荷差<0.20）判定；要用 Fornell-Larcker 判据，得改用斜交旋转或做验证性因子分析。把一个在本模块里必然成立的判据写进论文当证据，等于什么都没证明。
EFA 是探索不是验证，同一批数据跑出来的结构不能反过来宣称结构效度成立。 卡⑤ 的方法学提示原话如此，规范做法是在另一独立样本上做验证性因子分析。还有一点容易吓到人：载荷的符号本身没有意义。实测在只提 1 个因子时，三道产品体验题的载荷整体变成 −0.867、−0.853、−0.872，而诊断栏仍写“题项归属清晰”，因为判据用的是绝对值。看到一整列负载荷，先想到的应是因子方向被整体翻转，而不是这些题需要反向计分。

报告里有什么

输出结果一：数据概览与前提检验
输出结果二：主结果表（总方差解释与因子载荷）
输出结果三：可视化（碎石图与因子载荷图）
输出结果四：效应量与事后分析
输出结果五：结论与学术表述