結構效度分析流程如下圖
一、結構效度的意義
效度分析在學術研究中非常常見，結構效度是為了分析“從量表獲得的結果與設計該量表時所假定的理論之間的符合程度”。簡單來講，在研究者設計量表之初，一般會預設好幾個次元，在經過因子分析後，需要驗證測量的資料是否與預設的幾個次元相對應，如果測量項與預設次元之間對應關系良好，則說明量表的結構效度良好，說明量表設計的合理且有效，那麼通過該量表得到的分析結果也是有效的。
二、探索性因子分析
結構效度通常使用探索性因子分析進行驗證，即通過探索性因子分析對題項進行分析，如果輸出結果顯示測量項與預設次元對應關系基本與預期一緻，則說明結構效度良好。使用探索性因子分析進行結構效度的驗證通常分為以下三個步驟，分别是效度分析名額判斷、次元與測量項對應關系判斷、對應關系調整。下面将分别進行說明。
1.效度分析名額
效度分析是綜合各項名額進行綜合判斷，包括KMO值、Bartlett球形度檢驗、因子載荷系數值、次元與測量項對應關系等。主要的判斷名額說明如下：
- KMO值
KMO值取值在0和1之間，用于綜合衡量分析項間的資訊重疊情況（即分析項之間的相關關系情況）。一般以0.6作為判斷标準，如果KMO值大于0.6，說明資料适合進行因子分析，如果KMO值低于0.6說明資料不适合進行因子分析，可能原因在于分析項之間相關系數較低，無法有效濃縮資訊。最簡單的效度分析直接檢視KMO值即可，但這種方法一般檢驗效能較低。
- Bartlett球形度檢驗
巴特利特球形檢驗是一種檢驗各個變量之間相關性程度的檢驗方法。一般在做因子分析之前都要進行巴特利特球形檢驗，用于判斷變量是否适合用于做因子分析。與KMO值作用類似。
圖1KMO值和Bartlett球形度檢驗
- 因子載荷系數值
因子載荷系數值的統計意義就是變量i與公共因子（次元）j的相關系數（程度），範圍為[-1,1]，絕對值越接近1，說明變量與公共因子的關系越密切，通俗了解為變量向公共因子貢獻了足夠多的資訊，一般來講，因子載荷系數絕對值大于0.4，則說明變量i就應該歸屬于公共因子j。
- 共同度
共同度的大小代表了因子分析中提取出的因子包含原始資料的資訊量。如果因子分析中大部分測量項的共同度都大于0.8，說明提取出的公共因子已經能夠代表原始變量80%的資訊量。如果共同度低于0.4，說明無法提取出有效資訊，應該将共同度低于0.4的測量項進行删除。
圖2旋轉後因子載荷系數表格
- 次元與測量項對應關系
效度分析最關鍵的地方在于：次元與分析項對應關系是否與專業預期相符合，隻有符合的時候才能說明量表的結構效度良好。比如在判斷物流服務品質時，預期測量項“退貨包運費”應該隸屬于衡量物流“可靠性”這一次元，如果該測量項出現在“經濟性”這一次元下，則說明次元與測量項對應關系不好，需要進行調整。
效度分析的其他名額都比較容易達标，最核心的是次元與測量項關系的判斷與調整，下面将結合示例進行講解與分析。
2.次元與測量項對應關系判斷
次元與測量項關系的判斷通過SPSSAU因子分析結果的旋轉後因子載荷系數表格進行分析，如下圖：
圖3第一次分析旋轉後因子載荷系數表格
從上圖可以看出，經濟性1-4這四個測量項隸屬于因子1（次元1）；時間性1-4這四個測量項隸屬于因子2,；靈活性1-3這三個名額隸屬于因子3；可靠性1-3應該隸屬于因子4，但是可靠性3這個測量項卻對應因子1下面，那麼就将這種本應該對應在因子i下，卻對應到因子j下的測量項出現的對應關系問題叫做“張冠李戴”。對于出現“張冠李戴”現象的測量項，應該将該項進行删除操作。
從上圖可以看出，可靠性1-2，對應因子1和因子4均可，靈活性2和靈活性3這兩項對應因子2和因子3均可，那麼将此類既可以對應因子i又可以屬于因子j的測量項出現的問題叫做“糾纏不清”。屬于“糾纏不清”，一般出現“糾纏不清”現象時，可先保留，暫時不處理，先處理“張冠李戴”現象。
完成次元與測量項的對應關系判斷，即确定了各個測量項所出現的問題屬于“張冠李戴”還是“糾纏不清”後，下一步進行對應關系的調整，将對應關系出錯的測量項進行調整。
3.對應關系調整
對于出現“張冠李戴”現象的測量項，應該将該項進行删除操作；一般出現“糾纏不清”現象時，可先保留，暫時不處理。那麼在上述描述中，知道了“可靠性3”出現了“張冠李戴”類對應關系錯誤，那麼将“可靠性3”在分析項中移除，而其他出現“糾纏不清”類錯誤的測量項對分析結果并沒有太大影響，暫不處理。
删除“可靠性3”後再次進行因子分析，得到分析結果如下：
圖4第二次分析旋轉後因子載荷系數表格
從上圖可以看出，移除“可靠性3”後，雖然可靠性1-2，靈活性2-3的“糾纏不清”的情況仍然存在，但是“張冠李戴”的現象已經沒有了，可以認為此時13個測量項與4個因子的對應關系良好，結構效度達标。
三、結構效度不達标處理
通常效度不達标主要可能出現以下三個方面的問題：KMO值不存在、無法劃清次元、與預期次元對應關系不符。下面将依次說明解決辦法。
（1）KMO值不存在
效度分析是使用因子分析進行的檢驗，因子分析要求測量項之間有适當的相關關系；如果測量項之間相關系數過高，說明測量項之間共線性太強，無法有效濃縮資訊；相關性太弱，資訊重疊度低則無法有效提取資訊，都可能無法輸出KMO值，是以當KMO值不存在時，可以檢查相關關系情況，移除相關系數過高（大于0.8）和過低（小于0.2）的測量項。同時如果樣本量過低，也會出現問題，樣本量一般要大于5倍測量項的個數。比如共有14個測量項，那麼樣本量至少在14*5=70份以上，如果過少，要加大樣本量。
（2）無法劃清次元
如果無論如何不能劃厘清楚次元，可以每次放入一個次元的測量項，依次進行效度分析，依次移除共同度低的測量項，確定每個次元中都沒有特别糟糕的測量項之後，在将全部測量項放入分析框中進行整體分析。比如，在本例中，将可靠性1-3、經濟性1-4、時間性1-4、靈活性1-3，這4個次元對應的測量項先依次進行效度分析，移除共同度低于0.4的測量項之後，在将全部測量項放入分析框中，整體進行效度分析，再檢視分析結果。
（3）與預期次元對應關系不符
此類問題比較常見，除非是使用經典量表，否則不可能一次分析就能得到完美的對應關系。值得注意一點的是，如果專業預期次元為4個，那麼在分析之初，應該首先将次元先設定為4個。在效度分析是一個來回多次對比的過程，測量項與預期次元的對應關系需要進行反複的調整，在這個過程中，一定要搞清楚“張冠李戴”與“糾纏不清”這兩類錯誤的對應關系，及時對出現“張冠李戴”問題的測量項做出處理，多次對比删除後得到最優的結果。
四、總結
結構效度分析是為了檢驗測量項與預期次元對應關系情況。效度分析沒有固定的判斷标準，是綜合各項名額進行的一個綜合判斷過程，包括KMO值、Bartlett球形度檢驗、因子載荷系數、共同度、次元與測量項對應關系等。其中最重要的是檢視次元與測量項的對應關系，最難的部分也在于次元與測量項對應關系的調整，其他名額比較容易達标。當效度分析不達标時，可以按照第三部分所講的内容，檢視自己的問題所在，進行對應的修改。一定要注意，效度分析并不是一步完成的，可能是一個需要反複調整才能得到最優結果的過程。