《表2 因素负荷量、组成信度与收敛效度分析表》

  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

《显性知识对英语语言能力影响的实证研究——学习策略的调节效应》

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

注：GJT1-3、MKT1-3分别代表分析知识与元语言知识的三个测量指标（观察变量），Unstd.代表非标准化系数，Std.代表标准化系数，***代表在0.001水平上显著。

根据两阶段模型方法，在执行路径分析前应先检验测量模型，如发现测量模型的适配度可接受，再接着进行第二阶段的SEM模型评估。一个测量模型应满足因素负荷量大于0.5、组成信度（CR）大于0.7、平均方差萃取量（AVE）大于0.5等条件，才被视为具有可靠的信度与效度。其中，组成信度反映构面观察变量的内部一致性，相当于Cronbach'sα，平均方差萃取量反映构面的收敛效度，即观察变量对潜变量的解释能力。从表2中可以看出，分析知识的3个观察变量的因素负荷量介于0.70至0.79，元语言知识的3个观察变量的因素负荷量介于0.60至0.88，直接策略的3个观察变量的因素负荷量介于0.53至0.92，间接策略的3个观察变量的因素负荷量介于0.71至0.81，四个构面各观察变量的因素负荷量均大于0.5。四个构面的组成信度均大于0.7，平均方差萃取量均大于0.5，模型内在品质佳，具有收敛效度。另外，每个构面AVE的平方根均大于它与另外几个构面的皮尔森相关系数，说明研究具有良好的区别效度，即构面之间存在显著的差异。