《表1 信度与收敛效度分析》

  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

《数字素养视角下在线学习平台使用影响因素实证研究》

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

验证性因子分析（CFA:Confirmatory Factor Analysis）在SEM建模中扮演着关键的角色。由于通过测量模型就可以发现模型中的观察变量是否相关并具有内部一致性[33]，因此，在对结构模型进行分析之前，应该先分析测量模型[34]。平均变异数萃取量（AVE:Average of variance extracted）计算了观察变量对该潜变量的变异解释力，较高的AVE表示潜变量有较高的信度与收敛效度，Fornel and Larcker建议其标准值应大于0.5；组成信度（Composite Reliability，CR值）表征了构念指标的信度，CR值越高，指标的内部一致性越强，Fornell and Larcker[35]认为0.6以上是可以接受的。根据Hair，Anderson and Tatham等的分析建议，如因子载荷系数（Factor loading)>=0.6、多元相关系数的平方（Square Multivariate Correlation，SMC)>=0.4、信度（CR)>0.7、AVE>0.5，那么可以接受模型具有收敛效度[36]，特别是探索性分析，稍微低于判断值也可接受。本研究模型的四个潜变量分别为数字素养、感知有用性、感知愉悦性、行为意愿。通过CFA分析，所有潜变量的标准负荷量除数字素养中信任维度（DL2）的标准因素负荷稍低（0.597），其余均在0.6～0.9之间，且达显著，如表1所示，符合Fornell and Larcker（1981）及Hair et al(2009）的标准。本研究中，数字素养有一定的探索性，验证值均具可接受范围。因此，本研究测量模型具有收敛效度。