研究案例：探究学习投入（Learning Engagement）和学习风格（Learning Style）对计算思维（Computational Thinking）的影响关系。

数据：李克特5点量表得分数据

研究方法和工具：结构方程模型，SPSS Amos

一、关于“效度检验”

所谓效度，简单理解就是测量工具（量表）能否准确测出需要调查的内容，即测量结果与预期内容的吻合度。换一种说法，也就是被试在填问卷时对题项的理解是否与研究者在设计题项时的理解相一致。举个例子，研究者画了一个苹果，然后希望被试分析它的作用，结果100个被试把它看成了石头、皮球、杯子或者其他毫不相关的东西，自然就达不到研究的目标（说明研究者画的图不够准确）。

就拿本文的研究案例来说，如果设计问卷时为学习投入下的3个维度（认知投入、行为投入、情感投入）分别设计了3个题项（认知_1-3、行为_1-3、情感_1-3），共9个题项，结果在进行因子分析的时候发现本应属于认知维度的题项被分到了情感维度中——这就说明问卷设计者和作答之间的理解出现了错位，没有很好地达到预期的调查目标。那么，应该如何做呢？

本篇先抛出问题，以问题为导向，开展学术小白的乘风破浪之旅。

二、自我发问

1.我的问卷包含几个量表？

2.每个量表包含几个一级维度，每个维度包含哪些二级维度？

3.每个维度下的题项是否准确表达了同一个维度的含义，且尽可能地与其他维度没有交叉？

4.同一个维度内的所有题项是否互斥（即没有任何两个题项的含义是一模一样的）？

上述几个问题，需要在正式发放问卷之前考虑清楚，然后反复地对量表进行修改完善，以避免完成问卷调查之后才发现效度不良的问题。

案例中的问卷、量表与题项之间的关系如下图所示：

OK，那么完成问卷调查、收到了所有样本数据之后，就开始进入数据分析的步骤。接下来需要问的问题是：

5.对内容效度、结构效度和校标效度进行检验的步骤是什么？

6.探索性因子分析和验证性因子分析的规则是什么？

7.对上述两种因子分析结果，如何解读？

换一种理解，因子分析结果与我的量表内容有什么关系？我是否能够证明自己的量表是有效的、可靠的？

8.我是否能够通过分析结果得到有意义的研究结论？

（在豆丁网看到一份资料，里面有关于信度分析和效度分析的操作演示：问卷(量表)信效度检验的软件实现(SPSSAmos)_3 - 豆丁网）

按照这个顺序，带着问题做研究，慢慢从小白的思维转换到专业研究者的思维。

这个过程是必要的，因为一脚到不了山顶。