《表2 测量模型的AVE, Cronbach'sα和CR值》

  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

《企业数据分析型人才培训影响因素研究——基于人工智能的视角》

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

一般都用区分效度、收敛效度、内容效度来表示测量模型的有效性。在内容效度上，由于所有测量变量均来自现有的文献和相关专家，因此这些变量是清晰可信的。用Cronbach's系数与组合信度（Composite Reliability，CR）衡量收敛效度。当这两个衡量的值达到0.7之后就表明该量表具有较好的收敛效度[17]380。由表2可得，所有潜在变量的CR值均高于0.960，Cronbach'sα系数值均高于0.939，这说明该变量是理想收敛效度的。衡量区分效度时，当该模型中的潜在变量和其他变量的相关系数比潜在变量的AVE平方根小时，即为有良好区分效度模型[17]390。至于AVE，它是各个潜在变量之间的平均方差，各个数据都通过图表给出。根据表3的数据可以看出这是具备良好区分效度模型。普遍来说，具有理想收敛效度的变量平均方差都要比0.5大[17]400。从表2可以看出，每个潜在变量的AVE值都大于0.865，进一步表明该模型具有良好的收敛效度。