在結構方程模型中需確認潛在變項之間是否具有良好的收斂效度(Convergent Validity)和區別效度(Discriminant Validity),收斂效度和區別效度多從組成信度(composite reliability, CR)和平均變異抽取量(Average Variance Extracted, AVE)為判斷依據,因此本篇從組成信度和平均變異抽取量開始介紹說明,並說明各項指標的判斷標準,提供給各位參考。
一、收斂效度(Convergent Validity)
收斂效度多可從組成信度(CR)和平均變異抽取量(AVE)作為判斷指標,如後分述兩者的基本概念、評估標準和計算公式。
(一)組成信度(composite reliability, CR)
組成信度可視為構念的內部一致性,過去學者多建議潛在變項的組成信度(CR)應高於0.6(Fornell & Larcker, 1981)。
基本上,組成信度(CR)與常見的Cronbach’ alpha係數概念相似,但因兩者計算公式的些微差異,所以組成信度(CR)的數值皆會高於Cronbach’ alpha係數。
Cronbach’ alpha計算公式:α=[n/(n-1)][1-(ΣS2i//S2x)]
(n:題數;Si2:每一題目分數的變異數;Sx2:測驗總分的變異數)
組成信度(CR)計算公式:
(Hair, Anderson, Tatham, & Black, 1998)
(Jöreskog & Sörbom, 1996)
(二)平均變異抽取量(Average Variance Extracted, AVE)
平均變異抽取量(AVE)為潛在變項中所有的測量變項變異能夠解釋潛在變項的程度,亦即當AVE愈高,潛在變項被其測量變項變異解釋的程度愈高。
過去學者建議AVE數值應高於0.5以上,但因AVE若要高於0.5以上,表示因素負荷量皆須高於0.7以上,考量數據資料的實際面向,亦可以AVE高於0.36以上為勉強接受之標準(Fornell & Larcker, 1981)。
平均變異抽取量(AVE)計算公式:
(Hair, Anderson, Tatham, & Black, 1998)
二、收斂效度(Convergent Validity)
本篇彙整過去學者提出收斂效度的判斷標準(Fornell & Larcker, 1981; Gaski & Nevin, 1985),共計有三:
- 構念間的相關係數需小於1
- 構念間的相關係數需小於個別的Cronbach’s α係數
- 構念間的相關係數小於平均萃取變異量(AVE)的平方根
參考文獻
Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50.
Gaski, J. F., & Nevin, J. R. (1985). The differential effects of exercised and unexercised power sources in a marketing channel. Journal of Marketing Research, 22(2), 130-142.
Hair, J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (1998). Multivariate data analysis (5th ed.). New York: Macmillan.
Jöreskog, K. G., & Sörbom, D. (1996). LISREL 8: User’s reference guide. Scientific Software International.