1.探索性因子分析
结构效度为了考查测量数据与构想模型的拟合程度以及项目与各因子之间的关系，一般采用因子分析进行评价[225]。为了检验数据是否适合做因子分析，对309份问卷进行Bartlett球形检验，结果显示：KMO=0.770，近似卡方为522.011，df值为28，P＜0.001，表明该数据适合做因子分析。进行主成分提取，采用正交旋转法进行探索性因子分析，迭代次数为25次，依据探索性因子分析的结果显示：共提取出2个特征根大于1的因子，其中因子1的特征根为2.840，解释总变异的28.094%；因子2的特征根为1.568，解释总变异的27.002%，两个因子共计解释了总变异的55.096%。提取出的2个因子（见表3-3）与原始量表的结构一致。因子1包含条目1、2、3、4为工作延迟；因子2包含条目5、6、7、8为职业生涯延迟。碎石图也显示（见图3-1），从第3个因子开始趋于平缓，说明只需提取前2个因子。表3-4结果提示各因子载荷均在0.6以上，验证了职业延迟满足量表的2因子模型。
表3-3 主成分提取的结果
续表3-3
注：提取方法为主成分分析。
图3-1 碎石图
表3-4 旋转后各因子载荷表
(www.xing528.com)
续表3-4
2.验证性因子分析
验证性因子的评价指标采用多个指标来进行综合评价。各量表的拟合结果见表3-5，表3-5可见，除少部分拟合指标未达到要求外，大部分量表测量数据与构想模型的拟合程度较好，提示本文所使用的量表结构效度较好（见表3-6）。量表的结构模型见图3-2。
表3-5 职业延迟满足量表拟合指数一览表
表3-6 模型的各路径拟合情况表
图3-2 职业延迟满足量表结构方程模型图
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
