请问区别效度discriminant validity怎么计算？

如题，请问区别效度discriminant validity怎么计算？谢谢~~~

算AVE，大于相关系数就可

mengchuanjin 发表于 2009-9-18 19:40
算AVE，大于相关系数就可

这好像根本不对头。DISCRIMINANT VALIDITY 不是看单一的指标就行的。而且也不是一个专门跟SEM相关的东西。推荐看一下附件里的文章。不过是英文的。

1、假如两个构念的相关系数不是1，表示这两个构念是有区别的。换言之，如果一个测量模式中有多个不同的构念时，若任两个构念间都有所区别时，即可以表示该测量模式具有区别效度，测量不同构念的观察变项将会落在不同的层面上。
2、实际分析时，研究者可将焦点放在模式中任两因素间的相关系数（ρ）是否可以接受为1。如果可以接受的话，表示此两个因素紧密相关（即无区别效度），研究者将可进一步将此等因素加以合并成为单一因素；反之，则表示因素间具有差别。
3、具体方法，可采用「卡方差异检定」（Chi-square difference test）分析区别效度。首先，先让模式中任两因素间的相关系数自由估计（相关系数不等于1），以得到未受限模式的卡方值。其次，限制两因素间的相关系数为1，以得到受限模式的卡方值。当两者卡方值的差异量（△χ²）超过χ²1,0.05＝3.84，即表示虚无假设（H0 : ρ＝1）是错的，亦即接受因素间不是完全相关，也就是两因素是有区别的（H0 : ρ≠1）。

假如两个构念的相关系数不是1，表示这两个构念是有区别的。换言之，如果一个测量模式中有多个不同的构念时，若任两个构念间都有所区别时，即可以表示该测量模式具有区别效度，测量不同构念的观察变项将会落在不同的层面上。
实际分析时，研究者主要会将焦点放在模式中任两因素间的相关系数（ρ）是否可以接受为1。如果可以接受的话，表示此两个因素紧密相关（即无区别效度），研究者将可进一步将此等因素加以合并成为单一因素；反之，则表示因素间具有差别。为检测上述流程，本研究主要采用「卡方差异检定」（Chi-square difference test）分析区别效度。首先，先让模式中任两因素间的相关系数自由估计（相关系数不等于1），以得到未受限模式的卡方值。其次，限制两因素间的相关系数为1，以得到受限模式的卡方值。当两者卡方值的差异量（△χ²）超过χ²1,0.05＝3.84，即表示虚无假设（H0 : ρ＝1）是错的，亦即接受因素间不是完全相关，也就是两因素是有区别的（H0 : ρ≠1）。
Anderson J C, Gerbing D W. Structural equation modeling in practice: A review and recommended two-step approach. Psychological Bulletin, 1988, 103(3):411-423.

好
不错的

Airbus830 发表于 2009-9-22 09:55
1、假如两个构念的相关系数不是1，表示这两个构念是有区别的。换言之，如果一个测量模式中有多个不同的构念时，若任两个构念间都有所区别时，即可以表示该测量模式具有区别效度，测量不同构念的观察变项将会落在不同的层面上。
2、实际分析时，研究者可将焦点放在模式中任两因素间的相关系数（ρ）是否可以接受为1。如果可以接受的话，表示此两个因素紧密相关（即无区别效度），研究者将可进一步将此等因素加以合并成为单一因素；反之，则表示因素间具有差别。
3、具体方法，可采用「卡方差异检定」（Chi-square difference test）分析区别效度。首先，先让模式中任两因素间的相关系数自由估计（相关系数不等于1），以得到未受限模式的卡方值。其次，限制两因素间的相关系数为1，以得到受限模式的卡方值。当两者卡方值的差异量（△χ²）超过χ²1,0.05＝3.84，即表示虚无假设（H0 : ρ＝1）是错的，亦即接受因素间不是完全相关，也就是两因素是有区别的（H0 : ρ≠1）。

请问在SPSS中如何具体实现卡方差异检定？？具体步骤是什么？相关系数设定为1是要手动设定吗？还是输入数据，自动就设定好了，结果就出来了？？

相关系数需要手动设定。
discriminant validity不止一种，不知道楼主说的是discriminant validity of traits还是discriminant validity of methods？
不管哪种，都是基于模型比较（不带Equality constraints（EC）,和带Equality constraints的两个模型），检验卡方差异。如果卡方差异显著，那就是EC起了作用；如果卡方差异不显著，那就是EC没起作用。
然后下一步是，EC模型和没有EC模型的比较，这个比较的零假设null hypothesis是什么？

一个博士生论文中提到：“修正指数（MI）被用来检验区别效度。修正指数是模型中某个受限制的参数（通常是固定为0的参数），若容许自由估计，模型会因此改良，整个模型卡方值减少的数值，被称为此参数的修正指数。 MI小于3.84（p<0.05）或者6.63（p<0.01）,表明模型有较好的区别效度” 。 （郑胜华，2005）。

感觉他说的并不准群。请其他大侠点评。

学习一下
谢谢楼上各位