结构方程模型:CR和AVE
组合信度(Composite Reliability, CR)
组合信度(Composite Reliability, CR)用于衡量一组题项作为整体测量同一个潜变量(因子)的 内部一致性程度,类似于 Cronbach’s α,但 CR 基于各题项的实际因子载荷进行加权计算,因此比 α 更准确 (α 假设所有题项权重相等,而 CR 不作此假设)。CR 越高,说明这些题项共同反映该潜变量的可靠性越强。
判断标准(Fornell & Larcker, 1981):
- CR ≥ 0.70:可接受
- CR ≥ 0.80:较好

- λi:第 i 个题项的标准化因子载荷
- Σλi:该因子下所有题项标准化载荷之和
- Σ(1−λi2):该因子下所有题项测量误差方差之和(标准化解中,每个题项方差为 1,因此误差方差 = 1−λi2)
平均方差抽取量(Average Variance Extracted, AVE)
平均方差抽取量(Average Variance Extracted, AVE)用于衡量该因子平均能够解释其题项 多大比例的方差,剩余部分归为测量误差,反映测量模型中"信号"相对于"噪声"的比例。
判断标准(Fornell & Larcker, 1981):
- AVE ≥ 0.50:达到收敛效度(Convergent Validity)的要求,即该因子解释的方差大于误差方差。

- λi2:每个题项标准化因子载荷的平方
- n:该因子的题项数量
- 计算方法:将所有题项的载荷平方加总,再除以题项数(取平均)。