效度（Validity）是指测量工具能够准确、客观地反映研究问题属性的程度，是用来衡量量表准确度、有效性的指标。效度分析衡量的是问卷的测量结果与测量目的之间的接近程度，即测定值和真实值之间的偏差大小。效度越高表示测量结果与目的越相近。效度分析一般分为内容效度分析和结构效度分析。

（1）内容效度

指测量项目能够代表所测主题或者目的的程度，反映量表内容与研究主题的契合程度（检验的是问项指标的确定及表述与逻辑是否符合，能否被被测者理解）。内容效度的检验通常邀请领域内专家或学者对问卷内容进行综合评价。本文中，量表是在前人成熟量表的基础上，参考大量的文献分析，并结合“雪球”实际特点经过修改得到，并且在量表设计的过程中，咨询了老师、研究团队的同门，并向周围的老师和同学咨询过相关建议，经过反复修改确定，因而本文的量表具有良好的理论继承度和拓展度，因此本文内容效度良好。

（2）结构效度

是指衡量量表好坏的重要因素，也称理论效度，是调查问卷的测量结果与测量目的之间的接近程度，或者说是测量量表对测量变量真实反映的程度。结构效度通常通过聚合效度（Convergent validity）与判别效度（Discriminant Validity）来检验。

聚合效度是指测量模型中测量同一潜在变量的测量指标会位于相同的潜在因素层面，当某个潜变量层面的测量指标具有较大的因素负荷量时，一般表示这些观测指标之间相关性高，共同反映潜在构念的效度会好（吴明隆［77］）。聚合效度可用验证性因子分析（Confirmatory Factor Analysis，CFA）来检验，Fornell［78］认为一般要求满足观测指标的标准化因素负荷量大于0．5，平均方差抽取量（Average Variance Rxtracted，AVE）大于0．5，组合信度大于0．6，才能认为模型的内在质量较高，收敛效度较好。根据吴明隆的《结构方程模型：AMOS的操作与应用》［77］中提供的方法，本文采用AMOS24．0软件进行分析，得到期望确认度、感知有用性等潜变量所有题项的标准化因素负荷量、各潜变量的组合信度、AVE值如表5－3所示，各问项的标准化因素负荷量都大于0．5，各潜变量的组合信度都大于0．6，各潜变量的AVE都大于0．5，可见聚合效度较好。

表5－3　测量模型的因素负荷量、CR值、AVE值(www.daowen.com)

（续表）

判别效度或区别效度所反映的是不同概念里的测量指标间彼此之间的相关程度，一般要求相关度低才可以达到要求，也就是某潜在变量的观测指标与其他潜在变量的观测指标具有低相关性或有显著的差异存在（吴明隆［77］）。

根据学者Larcker和Fornell［78］的建议，区分效度可以通过平均方差抽取量（AVE）来反映，要求各潜变量的平均方差抽取量要大于0．5，并且各潜变量的平均方差抽取量的平方根要大于其与其他潜变量之间的相关系数。经过计算，本文得出了各潜变量AVE的平方根以及各潜变量之间的相关系数，如表5－4所示。

表中对角线上的数据是AVE的平方根，可见各潜变量平均方差抽取量的平方根均大于各潜变量之间的相关系数，并且AVE均大于0．5，满足基本要求，因此认为数据具有良好的区分效度。

表5－4　潜在变量间的相关系数矩阵