做量表研究的人，或多或少都曾因為量表效度不達標困擾過，尤其在很多研究領域並沒有特別權威的經典量表可以引用。使用自製的量表來研究，容易信效度不達標，那麼如果遇到效度非常糟糕的情況時應該怎麼辦呢？
在解決效度低的這個問題之前，我們不妨一起來回顧下，判斷效度達標的指標都有哪些。以使用探索性因子分析檢驗結構效度為例：
（1）kmo>0.6、通過巴特萊球形檢驗
spssau效度分析
中可自動輸出kmo 和 bartlett 的檢驗結果。
如果kmo值高於0.8，則說明效度高；如果此值介於0.7~0.8之間，則說明效度較好；如果此值介於0.6~0.7，則說明效度可接受，如果此值小於0.6，說明效度不佳(如果僅兩個題；則kmo無論如何均為0.5)。
通過bartlett 球形度檢驗意味著變數之間有一定的相關性，適合使用因子分析檢驗效度。
（2）分析項歸類清晰
結構效度分為兩種：一種是使用探索性因子分析的方法；另一種是使用驗證性因子性分析。其中探索性因子分析適合非經典量表使用。
比如說預期有5個維度，但是分析後得到3個公因子，可能就是某些分析項預期與實際分析時出現了偏差，這時可以適當刪減不合理的分析項，當分析項與維度的劃分與專業意義上的內在邏輯結構基本一致，此時則說明資料具有較好的效度。
通常分析項的在某個因子下的因子載荷係數絕對0.4，即認為該分析項可以歸屬於這個因子下。
比如上表中的分析項d1，預期歸屬於因子5裡，但實際在因子1裡。此時就應該移出d1重新分析。
（3）其他效度分析判斷指標：共同度、相關係數矩陣等
如果變數相關性過高，可能會存在共線性問題，區分效度較低等問題；如果相關性太低，則說明變數之間的內在聯絡比較弱，不適合進行因子分析。通常共同度0.4即可。
共同度值可在效度分析結果中獲得，相關係數矩陣可通過spssau【通用方法】--【相關】得到。
①怎麼都劃分不清維度
②實際分析項歸類與預期維度不同
③有很多共同度很低的題項
①怎麼都劃分不清維度
建議每次放入乙個維度的題項，移出共同度低的問題。重複以上操作，將每個維度分析一遍，確保每個維度內部沒有太糟糕的題。然後再放入全部的題目，整體分析。這樣就可以看到維度之間劃分得是否清晰。
②實際分析項歸類與預期維度不同
分析項歸類與預期維度不同，是乙個非常常見的問題。
cfa檢驗流程請參考：
建議每次放入乙個維度的題項，移出共同度低的問題。重複所有維度操作一遍，確保每個維度內部沒有太糟糕的題。然後再放入全部的題目，整體做一遍。這樣就可以看到維度之間劃分得是否清晰。
如果仍然無法解決建議可增加樣本量，或重新收集資料修改量表內容。
如果結果的維度劃分比較清晰，且符合專業知識認知，建議以分析結果為準，根據假設和結果，修正量表。
同樣的樣本資料，不同的分析思路，有可能出現結果不相同，但只要符合效度的思維概念即可。
③有很多共同度很低的題項
有很多共同度低的分析項，意味著分析項之間的關聯性較低，通常這時候分析項歸類也不好。
此時建議可以從共同度最低的分析項開始移出，依次分析直至刪除所有共同度小於0.4的項，需要來回多次進行對比，找出最佳結果。
當然，最根本的改善效度的方法，還是要做好預調研工作，保證資料收集質量。設計量表時每個維度的題目最好有出處可尋。這樣做才能為後續分析工作提供便利。
spssau官網了解」
反向題在測試問卷信效度 問卷的信度與效度
調查問卷的信度效度分析方法 問卷調查法是教育研究中廣泛採用的一種調查方法，根據調查目的設計的調 查問卷是問卷調查法獲取資訊的工具，其質量高低對調查結果的真實性 適用性等具有決定性的作用。為了保證問卷具有較高的可靠性和有效性，在形成正式問 卷之前，應當對問卷進行試測，並對試測結果進行信度和效度分析，根...
如何調整糟糕的生活狀態
什麼是糟糕的狀態 大週末的早上，迎著陽光想寫點東西回首最近的生活狀態。要用乙個詞來形容最近的生活狀態的話，糟糕無疑是乙個非常的好的詞。我隱約感到最近的生活方式亂糟糟的，大腦被各種瑣碎無用的事佔據著，沒有一點閒暇的時間冷靜思考 休息。或許應當適當的放空一下自己了，忘記本不該出現的煩惱 事情，就是靜靜躺...
如何應對百度的調整（大更新）
最新動態 於6月5日6日左右對程式設計客棧月初冷凍的部分站開始解封，除作弊嫌疑比較大的站仍未放出外，其他站都恢復到正常收錄狀態。於今年的六一又進行了一次大的更新，這次更新波及範圍據我估計是比較廣的，而且封站的力度也大了許多。主要封的網域名稱物件包括 長時間不更新，內容少的新站網域名稱。多個網域名稱指...