《表3 测量模型判别效度分析》

  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

《众包知识建构下学业情绪影响因素及唤醒机制的科学学研究——面向深度学习的课堂教学结构化变革研究之五》

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

采用平均方差提取法（AVE）和因子负荷进行效度检验。结果表明，验证性因子分析（CFA）的因子负荷为收敛效度提供了证据，所有项目的负荷在相应结构上都足够高，超过了建议的阈值0.50。为检验判别效度，采用Fornell和Larcker检验，每个潜在变量平均方差抽取值（AVE）的平方根显著高于与其它潜在变量的相关系数，可以实现区分效度。AVE值都超过0.5，即AVE（对角线上的值）的平方根超过了潜在构念之间相应的相关系数，所有构念都通过了检验，如表3所示。