结构方程模型:Fornell-Larcker准则与HTMT

2026年7月21日 · 654 字 · 2 分钟 · 学习笔记 统计分析

Fornell-Larcker准则(Fornell-Larcker Criterion)

两个指标都用于评估不同潜变量的“区分效度(Discriminant Validity)”。 1981年,由Fornell和Larcker提出,一个潜变量的平均方差提取数(AVE)的平方根,应大于其与其他潜变量的相关系数(Fornell and Larcker 1981)。 表格由潜变量的AVE开平方根(对角线)和非对角线的潜变量间的相关系数构成。 矩阵中,如果对角线上的数值大于非对角线中相关系数的数值,表明区分效度良好。 当样本量小、潜变量之间相关性较高时,检测力不足,实际不具备区分效度的情况下,数值仍显示差异。

结构方程模型:CR和AVE

2026年7月13日 · 529 字 · 2 分钟 · 学习笔记 统计分析

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。