效度是指测量结果与试图要达到的目标之间的接近程度，即一个测验对其所要测量的理论结构或特质测量到什么程度的估计^[1]，其中结构效度是最强有力的效度测定程序，该方法可客观地考察测量结果的数据结构与问卷的设计是否相符^[2]，它是指测验能说明理论构想的结构或特质的程度，或者用某种结构或特质来解释测量分数的恰当程度，其着重点是测验本身、测验赖以编制起来的心理结构或特质能力。用因子分析方法来评价量表的结构效度是一个比较公认的方法。然而因子分析可以分为探索性因子分析(exploratory factor analysis，EFA)和验证性因子分析(confirmatory factora nalysis，CFA)2种^[3]，而且这2种分析方法的理论依据和适用条件是不一样的。为探讨如何用这2种方法来对量表的结构效度进行评价，本文以乙型肝炎患者生存质量测定量表(QOL-HBV)的结构效度为例，探讨2种方法结合来评价量表的结构效度。

本研究的量表为乙型肝炎患者生存质量测定量表(HBV-QOL)，该量表包括30个条目，分属于3个维度。该量表是在NWS量表^[4](New Well-being Scales)的基础上，结合乙型肝炎患者特殊的生理、心理和社会功能状态，并吸收世界卫生组织生存质量测定量表(WHOQOL量表)的部分内容编制而成的，量表包括30个条目(Q1～Q30)分属于3个维度：社会适应维度(SF)心理维度(MF)，生理维度(PF)。

2002年2月～2003年3月在福州市传染病医院，泉州市第一医院肝科，厦门市中医院传染科收集病例，所有病例均符合：(1)第3次中华医学会传染病与寄生虫会全国会议制定的慢性乙型肝炎诊断标准。(2)门诊治疗或首次住院治疗者；(3)血清学检查无急性甲型、丙型及戊型肝炎；(4)年龄在16岁～，无恶性肿瘤、糖尿病病史，有阅读能力；(5)排除有精神障碍。

探索性因子分析采用SPSS11.5软件，验证性因子分析采用AMOS 5.0软件。

利用探索性因子分析(主成分分析、方差极大旋转法)，可以将量表归为8个因子，每个因子的条目数为2～9个，而且每个因子的组成条目能够被比较合理的解释。因此，认为QOL-HBV量表具有较好的结构效度在因子分析结果中，抽样适度测定值(Kaiser-Meyer-Olkin，KMO)为0.883，解释的总方差为69.15%。

表 1

表 1 QOL-HBV量表的因子分析结果及解释

表 1 QOL-HBV量表的因子分析结果及解释

从表 1可见，QOL-HBV量表由8个因子构成，但分析量表的结构可以发现，量表的8个因子分层3个领域，分别是社会关系领域(因子1)、心理领域(因子3、4、5)和生理领域(因子2、6、7、8)。即因子1(社会适应因子，SF)能比较全面反应被测对象社会融合、社会接触和亲密关系；因子3、4、5(心理因子，MF)能反应被测对象的情绪反应和认知功能，如对疾病的恐惧、忧虑等；因子2、6、7、8(生理因子，PF)反应的是患病后的生理状态、活动受限和体力适度等。

再对上述的8个因子所属的领域的得分情况进行探索性因子分析，得到2个因子(KMO=0.872，解释方差64.568%)(表 2)。

从表 2可见，量表由2个部分组成，由FFAC-1所代表的全部是社会心理因子，由FFAC-2所代表的全部是生理因子，再次证明QOL-HBV量表的结构可能比较合理。

表 2

表 2 对QOL2HBV量表8 个因子的因子分析结果

表 2 对QOL2HBV量表8 个因子的因子分析结果

用AMOS5.0软件对在探索性因子分析得到的8个因子进行3种模型的验证性因子分析。M1是测量模型，M2是二阶七因子模型，M3是二阶八因子模型。

表 3

表 3 QOL-HBV量表验证性因子分析结果

表 3 QOL-HBV量表验证性因子分析结果

结果表明，进行验证性因子分析，模型M1的x²/DF=2.773>2.0，不认为该模型的拟合度较好^[5]，且拟合优度指数(Goodness of FitIndex，GFI)和调整拟合优度指数(Adiusted Goodness of Fit Index，AGFI)均＜0.90，该模型的拟合效果似乎不够理想^[5]。而模型M2和模型M3均具有较好的拟合效果，且M2因子模型的拟合效果略好于M3因子模型(△x²=221.816，△DF=1，P＜0.001)^[6]。该模型将生存质量量表看成是由社会适应因子、心理因子和生理因子等3个部分所组成，即与最初生存质量组成的构想是一致的。各个因子之间存在相关，误差之间不相关。分析结果表明，社会适应因子和心理因子之间存在密切相关，其标准化相关系数达到0.99，似乎可以将社会适应因子和心理因子合并，结果与对8个因子进行第2次的因子分析得到的结果类似。该模型进行的拟合优度检验表明，该模型的拟合效果理想，而且拟合的结果解释也比较合理。

验证性因子分析结果表明，将量表分成3个领域比较合理，而且3个领域之间的相关性各不相同，其中社会适应领域与心理领域的相关性最大，也符合量表构建时的初衷和现实情况。

结构效度分析目前的研究主要采用EFA，它是基于数据统计分析基础，只考虑到数据之间的纯数字特征而没有任何的理论前提^[7]，目的在于从数据出发，寻找数据中所蕴藏的规律，因此，EFA应该被认为是理论产生的方法而不是理论检验的方法。而在量表的编制时，一般在理论上已先构想出量表由哪些方面或领域所组成，用因子分析的目的在于将条目进行归类，形成几个因子。如果提取的因子数目和组成与构想一致，或者各个因子能够比较好地被解释，即认为具有较好的结构效度。此时便有一个方法学的问题，即研究目的与理论构想是矛盾的，即用理论的方法来理论构想。而且如果提取的因子数目与当初的构想不完全一致或者有些条目归在别的因子中，进行EFA不能得到任何一个类似相关系数或者其他系数的值来评价它。这就导致了在不同的研究中，因子的归类可能不一致。因此，采用EFA进行结构效度的评价，有不合理之处。

为了解决这类问题，1969年瑞典统计学家Jreskog首先系统提出了CFA的理论和方法。基本思想是：研究者首先根据先前的理论和已有的知识，经过推论和假设，形成关于一组变量之间关系的模型。研究目的在于从理论假设出发，检验理论与数据是否相符，从而检验和发展理论^[8]。这正好可以弥补EFA的不足。

本研究中，对EFA的结果如果直接进行验证性因子分析，²/DF>2，GFI和AGFI均不>0.9(即模型M1)，这提示EFA归纳的因子之间尚存在某种潜在的联系，而这种联系不能用EFA来解释，因此，有必要进行验证性因子分析。可以认为，在进行量表的标准化研究中，不能仅仅根据EFA的结果就下结论，即在进行结构效度的分析时，要将EFA和CFA结合起来，即采用两者方法结合起来，进行交叉证实(Cross-Validation)，这样可以保证量表所测定的确定性、稳定性和可靠性，而且也将成为心理学量表研究中发展的一个趋势，尤其是在统计软件越来越容易获得的情况下。