《表3 信度与聚合效度分析表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《移动健身App用户持续使用意愿研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在内容效度方面，本研究所有潜在变量和测度项均根据已有相关文献、相关专家咨询建议及移动健身App用户的意见编制，这些变量和题项相对语义清晰且表意准确。在聚合效度方面，主要是对每个模型进行验证性因素分析，相关学者已经指出，如果测量模型拟合不好，就会导致错误的结果；因此，在建立结构模型之前一定要对各测量模型的拟合情况进行验证性因素分析[32]。利用AMOS 22.0分别对每个测量模型进行验证性分析，以期检验效度。感知有用性测量模型验证过程中，题项2因素负荷量较低且卡方值较高，去掉题项2，模型拟合良好。感知易用性测量模型验证过程中，题项2因素负荷量低于0.6，去掉题项2，模型拟合良好。社群影响测量模型验证过程中，题项4和题项5因素负荷量低于0.6，先后尝试最终去掉题项4和题项5，符合恰好辨识（just identified），模型拟合良好。信任测量模型验证过程中，题项2和题项4卡方值较高，模型拟合不好，经过修正去掉题项2和题项4，符合恰好辨识，模型拟合良好。持续使用意愿测量模型共计3个题项，符合恰好辨识，模型拟合良好。Herbert等[33]指出在结构方程模型中，每个构面至少要包含3个题项。Hair等[34]635-644在相关研究中曾指出，聚合效度的评价可以从3个方面来进行判断：1）平均方差萃取量（average variance extracted，AVE）要大于0.5，平均方差萃取量是由题项因子载荷平方和的平均数计算得来的，是一个反应聚合效度的综合性指标，体现了潜在因子对于题项变异的平均解释量；2）标准化因子载荷应至少达到0.5，在高聚合效度的情况下，测验题项在一个因子上的载荷很高意味着它们都聚合到了一个共同的潜在结构上，故标准化因子载荷也可以在一定程度上反映结构的聚合效度；3）构建信度（composite reliability，CR）大于0.7，高的构建信度表明模型内部存在一致性，即题项所测量的内容都反映了同一个潜在结构，也体现了测验题项的聚合程度。本研究AVE在0.521～0.671，所有标准化的因子载荷在0.60～0.90，CR在0.809～0.889，这说明本研究的测量量表具有良好的聚合效度（见表3）。在区别效度方面，Hair等[34]645-657认为区别效度评价准则为各因子AVE的算术平方根需大于该潜变量与其他潜变量之间的相关系数。由表3可知，本文量表各潜变量AVE开方后的值在0.722～0.819，除社群影响构面0.722略小于感知易用性构面0.749，其余各项都大于潜变量之间的相关系数；因此，笔者可以认为本量表拥有较好的区别效度（见表4）。