测量模型的信、效度

表7-4给出了全模型中测量方程部分的完全标准解（LAMBDA-Y和LAMBDA-X）。表中列出了潜变量（构想概念）包含的指标数目（测量题目或一阶因子），以及表示潜变量和指标之间关系的因子负荷，表中的因子负荷绝大多数远远高于0.5的标准，个别因子负荷值（社会支持和锻炼条件中的个别题目），虽说没有达到0.5的标准，但也达到了可接受的0.4标准，且如果删除这三个题目造成了对该构想概念测量的信度系数降低，因此，在最终的模型中保留了这三个题目。测量模型因子负荷值较高说明了量表的测量项目有较好的汇聚效度。

表7-4　构想概念测量项目的因子负荷值（LISREL标准估计量）

表7-5提供了锻炼坚持机制结构模型潜变量相关矩阵（Correlation Matrix of ETA and KSI）。潜变量相关矩阵中的数据表示构想概念之间的相关度，从表7-5中可以看出潜变量之间的相关系数绝对值在0.01～0.88之间，绝大多数潜变量之间的相关系数处在一个合理的范围，这些变量具有较好的区分效度。部分潜变量相关度较高，例如：锻炼坚持和锻炼承诺、锻炼效果相关度分别为0.88和0.71，锻炼承诺与锻炼效果、参与机会的相关度分别为0.81和0.67，锻炼效果和个人投入、参与机会的相关度分别为0.71和0.81，因此，这些变量之间的区分效度需要进一步考证。本次研究考察了每两个构想概念之间假设相关度设为1和假设相关度为自由估计量的情况。其中锻炼坚持和锻炼承诺在第六章第二节已经分析，具有好的区分效度。在这里提供了其余5组变量的区分效度检验结果，5组变量的两种假设模型LISREL合适度结果见表7-6，第1组是锻炼坚持和锻炼效果，第2组是锻炼承诺与锻炼效果，第3组是锻炼承诺与参与机会，第4组是锻炼效果和个人投入，第5组是锻炼效果和参与机会。表7-6中，独立变量是指相关度为自由估计量的情况，单一维度是指假设相关度为1的情况。结果显示：假设相关度为自由估计量的情况对数据的拟合程度明显优于假设相关度为1的情况。这两方面的证据说明量表的区分效度是比较理想的。(https://www.daowen.com)

表7-5　锻炼坚持机制结构模型潜变量相关矩阵

表7-6　五组构想概念的区分效度