效度（validity）主要评价量表的准确度、有效性和正确性，即测定值与目标真实值的偏差大小。效度反映问卷是否有效地测定到了它计划测定的内容，即实际测定结果与预想结果的符合程度。本研究用聚合效度（convergent validity）和区分效度（discriminant validity）来评估问卷的效度水平。

1.聚合效度

聚合效度表示对同一特质的两种或多种测定方法应该有较高的相关性，即相同潜变量里的测量题项彼此之间相关度高。本研究用各个测量题项即观察变量的负载和AVE值来检测量表的聚合效度水平（Hulland，1999）。为了保证测量量表的聚合效度水平，本研究删掉了负载小于0.5的善意嫉妒的两个测量题项。最终，所有测量题项的负载都超过了0.5的临界值，这意味着测量题项同其潜变量之间的共同方差大于测量题项与误差方差之间的共同方差。根据斯滕坎普和范特里普（Steenkamp and van Trijp，1991）的标准可以说明本次测量有效，具有较好的聚合效度。另外，由表5- 2可知，所有潜变量的AVE值大于0.5，意味着潜变量能够解释测量题项50％以上的变异，即模型具有较好的聚合效度（Fomell and Larcker，1981；Hair et al.，1998）。结合两项测量指标，研究者认为本研究的量表测量具有较好的聚合效度。

2.区分效度

区分效度也被称为判别效度，表示不同特质和内涵的测量结果之间不应有太大的相关性。关于区分效度，最严厉的方法是比较AVE值的平方根与两个潜在变量间的相关系数（Fornell and Larcker，1981）。本研究对每个变量的AVE值取平方根，然后比较AVE值的平方根和变量间的相关系数大小，发现任何一个变量AVE值的平方根比该变量与模型中其他变量的相关系数都大（见表5-2），这表明各潜变量测量之间的区分效度良好。

综上所述，本研究的量表具有良好的信度、聚合效度和区分效度。