信度（reliability）是检验量表在度量相关概念时的稳定性和一致性的指标。具体来说，是指检验量表内部各个题项间相符合的程度以及重复检验时的结果前后是否具有一致性。常用的信度检验指标有：稳定性（stability）、等值性（equivalence）和内部一致性（internal consistency）。在学术研究中，内部一致性的检验方法有很多，以计算机软件应用来讲，Cronbach`s α系数的估计运用最多。α系数越大表明该变量各个题项的相关度越大，即题项的内部一致性程度越高。一般认为，测量工具的Cronbach`s α系数最好高于0.7（高信度），低于0.35为低信度（Cuieford,1965）,Nunnally和Berntein（1994）认为，如果在主要因子上的荷载低于0.5，保留该项目会对量表的效度产生影响，因此可以剔除。研究中0.5为可以接受的最低水平（Nunnally,1978）。

（二）效度分析

效度（validity）是用来检验量表测量的准确性的指标。测量效度主要有内容效度和结构效度两种。

内容效度（content validity）用来测验量表对所要测量的内容范围的代表性程度。通常采用专家判断法来进行，就是由相关的专家和专业人士对题项的周延性和准确性进行判断。本研究中量表的形成首先建立在对学者相关研究进行回顾和分析的基础上，具有较好的理论支撑，而且部分量表为相关领域研究中较为成熟的量表，经过了实证分析的检验。研究中，笔者又经过了定性的深度访谈和询问了解，征求了本领域研究学者和专业教师的意见，所形成的初始问卷又经过了预测试，在上述基础上进行了多次语言的调整和问项的修改，最终形成了研究的正式问卷。因此，本问卷的量表在内容效度是应该得到保障的。

结构效度（construct validity）（也有学者译为构念效度）是指某一量表是否能测量到某一理论上的结构或特质的程度（Anastasi,1990），通常包括会聚效度（convergent validity）和区分效度（discriminate validity）两种。

会聚效度或称收敛效度采用因子负荷判定法^[22]进行验证。Fornell和Larcker（1981）认为有三种方法来检验收敛效度^[23]：（1）所有指标的完全标准化因子载荷都应大于0.5，且呈显著水平；（2）结构信度（construct reliability，CR）大于0.8，即

，其中λ为指标在潜变量上的标准化参数；θ为指标的测量误差。（3）平均抽取变异量（average variance extracted,AVE）大于0.5，即

区分效度或称判别效度，通常可以用下列三种方法来验证。（1）计算相关构面的相关系数，如果在95%的置信区间内不包含1，则可以认为两个构面之间具有良好的区分效度。具体的操作办法主要是用信赖区间检定法（Confidence Interval Test），它是考察两个因子之间相关系数加减标准误差的两倍是否包含1，如果不包含1，则表明数据有较高的辨别有效性（Anderson & Gerbing, 1988）。（2）将两个构面的相关系数设为1，计算模型的x²统计值；然后计算两个构面之间相关系数不设定时，模型的x²统计值，如果两者之间的差值达到显著，则表明两个构面具有区分效度。（3）计算每个构面的平均变异抽取量（average variances extracted）和与其它构面的相关系数。当每个构面的平均变异抽取量都大于该构面与其它构面的相关系数时，便表明构面之间具有良好的区分效度。本研究采用相关系数法来检测区分效度。

二、信度、效度分析