上篇文章寫了復合信度的計算，今天給大家寫一寫聚合效度的R語言計算方法 。歡迎交流 。
聚合效度簡介
聚合效度（ ）是指運用不同測量方法測定同一特征時測量結果的相似程度，即不同測量方式應在相同特征的測定中聚合在一起 。它又叫做收斂效度，是指測量相同潛在特質（構念）的測驗指標會落在同一共同因素上 。
聚合效度的最常見的一個表示指標就是平均變異抽取量〈, AVE〉在模型中引入解釋變量，我們再來看看AVE的計算公式：
大家應該會發現AVE的公式跟組合信度CR的公式長得非常接近，沒錯在模型中引入解釋變量，它們的差別只是在CR是先將因素負荷量加總之后才求平方，但AVE是將因素負荷量求平方之后才加總 。
根據公式我們就可以知道AVE的意義非常：每一個題目（觀察變量）的變異數被標準化為1，從而「δ + λ 2＝1」，因此公式的分子代表的是「潛在變量可解釋觀察變量的解釋力總和」，而分母表示「觀察變量的總變異數」，另外還有一個比較好玩的是：事實上，分母就只是「觀察變項的數目」，因此AVE的公式就只是把因素負荷量平方的加總再除以題目數量而已 ， 因此AVE也是指「SMC或R 2的平均值」 。
R語言計算實操
這部分，不玩虛的，還是手把手教學：
而且前面的大部分內容和上一篇文章相似：R數據分析：如何計算問卷的組合信度，實例操練
導入數據，這個數據也是上篇寫探索性因子分析時用的數據：R數據分析：探索性因子分析
data<-read.csv(file.choose(),header=TRUE)
輸入以上代碼選擇數據文件EFA.csv(請私信獲取) ， 就導入完成 。
上篇文章探索性因子分析做出來不是4個因子嘛，我們取其中一個因子給大家寫如何做這個因子的聚合效度，我們需要用到這個包：
然后構建模型，擬合模型一氣呵成：
library(lavaan)model<-'value=https://www.jianzixun.com/~Price+Resale_Value +Maintenance +Fuel_Efficiency'fit <- cfa(model, data = data)
然后，我們需要有標準化的因子載荷，此時就需要函數：
s1<-standardizedSolution(fit)s1

文章插圖

文章插圖
輸出如下：
我們需要的其實就是est.std（est.std就是標準化的估計值）這一列的載荷部分 ， 所以得進行選?。?
s1 <- s1$est.std[s1$op == "=~"]#選出了測量部分的標準化載荷
【R數據分析：如何計算問卷的聚合效度，實例操練】然后我們就可以套公式啦，首先計算殘差方差 ， 然后聚合效度就出來啦：
re <- 1 - s1^2sum(s1^2) / (sum(s1^2) + sum(re))
還有因為我們是用4個指標做了一個驗證性因子分析，上面的計算公式中的分母部分sum(s1^2) + sum(re)的結果其實就是4 。這個也是說其實聚合效度就是因子標準化載荷平方和的均值 。
大家可以看到，實際上所有的操作和組合信度不同的就是在最后一步改變了計算公式，其實在實際的數據分析中 ， 我們可以很方便的同時計算出問卷的組合信度和聚合效度 。
小結
今天給大家寫了問卷聚合效度的R語言計算方法，感謝大家耐心看完 。發表這些東西的主要目的就是督促自己，希望大家評論指出不足 ， 一起進步 。內容我都會寫的很細，用到的數據集也會在原文中給出鏈接，你只要按照文章中的代碼自己也可以做出一樣的結果 ， 一個目的就是零基礎也能懂，因為自己就是什么基礎沒有從零學和R的，加油 。
（站外鏈接發不了，請后私信回復“數據鏈接”獲取本頭條號所有使用數據）
往期內容：
R數據分析：探索性因子分析
R語言作圖：如何在數據可視化過程中調整因子順序
R數據分析：如何用R做驗證性因子分析及畫圖，實例操練
文獻解析：結構方程模型的基礎知識
R數據分析：結構方程模型畫圖以及模型比較，實例操練
R可視化：的常用操作總結
本文到此結束，希望對大家有所幫助 。

• 含羞草怎么養爆盆
• 僅當了一年大總統就下臺，最終結局如何？ ?“北洋之犬”馮國璋簡介
• 作為一個自卑的人，該如何重拾曾經的信心？
• 比生病更可怕的是病恥感，我們如何才能克服它？來聽聽心理學教授怎么說的
• 雞蛋怎么樣算是煮熟了
• 怎么樣挑新鮮豬肉好吃又嫩
• 如何理解PLC編程中變量的概念，變量的由來和意義，以及如何使用？
• 基于Apache Flink實時計算數據流業務引擎在京東零售的實踐和落地
• 上 給排水設計 | 如何設計天然氣中壓管道工程？
• 搞趣網：?穿越火線如何使用手柄映射 新游手柄映射教程