1.模型的信度评估
所谓信度（reliability），是指量表所测得结果的稳定性和一致性，量表的信度越大，则其测量标准误差就越小。Cronbachα系数是内部一致性的函数，也是指标之间相互关联程度的函数。在李克特量表法中常用的信度检验方法为Cronbachα系数和折半信度（Split-half reliability），α系数是估计信度的最低限度，是所有可能的折半系数的平均数。估计内部一致性系数，用α系数优于折半法。在社会科学研究领域，α系数作为信度测量依据的使用率非常高。本书测量量表基于李克特五点量表，测量使用意愿向度，同时根据同类型参考文献的信度检验方法，采用Cronbachα系数来检验量表信度。
图5－7 手机新闻调查样本人群职业状况
Cronbachα系数的公式为：
其中k为量表所包含的总题数，∑Si2为量表题项的方差总和，S2为量表题项加总后方差。α系数的数值介于0到1之间，α系数出现0或者1两个极端数值的概率很低（但也有可能），学者农纳利（Nunnally，1987）认为α系数等于0.70是较低但可以接受的量表边界值；学者德威利斯（DeVellis，1991）也提出以下观点：α系数值如果在0.60～0.65之间最好不要；α系数值介于0.65～0.70之间是可接受的最小值；α系数值介于在0.70～0.80之间相当好；α系数值介于0.80～0.90之间非常好（吴明隆，2010）。综上所述，α系数的信度考察标准如表5－18所示。
表5－18 α系数的信度考察标准参考范围
根据以上原则，各因子信度评估分析结果呈现如表5－19～表5－23所示。
表5－19 问卷总体信度评估
表5－20 感知有用性因子的信度评估
表5－21 感知易用性因子的信度评估
表5－22 感知娱乐性因子的信度评估
表5－23 感知互动性因子的信度评估
表5－24 感知融合性因子的信度评估
表5－25 科技创新性因子的信度评估
表5－26 自我效能感因子的信度评估
表5－27 新闻依赖性因子的信度评估
表5－28 手机依赖性因子的信度评估
表5－29 信息质量因子的信度评估
表5－30 社会规范因子的信度评估
表5－31 感知价格因子的信度评估
表5－32 感知情境因子的信度评估
表5－33 行为意愿因子的信度评估
综上，原始问卷量表共14个因子，69个指标问题，总体Cronbachα系数为0.979，量表总体可信度非常高。其中，感知有用性因子的信度为0.924；感知易用性因子的信度0.931；感知娱乐性因子的信度为0.917；感知互动性因子的信度为0.937；感知融合性因子的信度为0.873；科技创新性因子的信度为0.931；自我效能感因子的信度为0.889；新闻依赖性因子的信度为0.931；手机依赖性因子的信度为0.905；信息质量因子的信度为0.938；社会规范因子的信度为0.899；感知价格因子的信度为0.840；感知情境因子的信度为0.897；行为意愿因子的信度为0.976。所有单个因子可信度指标均达到0.8以上，无需删除指标项，量表信度达到公认标准，指标问题内部一致性很高，通过信度检验，可进行进一步的数据分析。
2.模型的效度评估
效度（validity）是指测量结果的正确性或可靠性。在测验评鉴中，效度是最重要的考虑因素，指的是特定测验结果的推论的适当的、有意义的及有用的情况，测量是否有效，在于累积证据支持上述推论的过程。因此，效度的评判范畴也比较宽泛，一般而言，常用的效度分类包括：内容效度、构建效度和校标关联效度。内容效度指量表内容或题目的切适性与代表性，及测量内容能否反映测量的心理特质，能否达到测量目的或行为构念。建构效度指能够测量出理论特质或概念的程度，及实际的测量分数能解释多少某种心理特质。校标关联效度指测量与外在校标之间关系的程度。校标关联效度又可分为预测效度和同时效度，前者指测验分数与将来的校标之间关系的程度；后者测验分数与目前校标数据之间的关系程度。在本研究中，主要需考察内容效度与建构效度两种。
本研究量表的编制主要根据TAM、TRA、IDT等理论进行编写，同时根据前期深度访谈，总结出手机新闻信息行为不同的影响因素向面，再结合手机信息服务采纳的大量实证文献研究，综合考量后拟定量表问题，具有较高的内容有效性。
在建构效度部分，本书将采用主成分因素分析法对问卷的结构效度进行评估。检验过程为，第一步进行KMO和Bartlett球形检验，以检测该样本是否适合做因子分析；第二步采用主成分分析法 （principal component analysis），抽取主成分后的共同性，系统默认的共同性估值为1，提取特征值大于l的因子，再选择最大方差法（varimax solution）作为因子旋转方式，使每个因子上具有最高载荷的变量数最小，简化对因子的解释。
首先，进行KM O和Bartlett球形检验。KM O是Kaiser-Meyer-Olkin的取样适当性量数，其值在0～1之间，当KMO值越大时，表示变量之间的共同因素越多，变量间的净相关系数越低，越适合进行因素分析。根据学者Kaiser（1974）的观点，如果KM O的值小于0.5，较不适合进行因素分析，进行因素分析的普通准则至少在0.6以上。（吴明隆，2010）具体标准如表5－34所示：
表5－34 KMO统计值范围参考
(www.xing528.com)
以下针对手机新闻采纳量表进行KM O和Bartlett球形检验，结果如表5－35、表5－36所示：
表5－35 KMO与Bartlett检验
通过数据分析，结果显示本书样本的KMO值为0.944，表明该样本非常适合进行因子分析。样本的巴特利特球体检验的卡方值为22531.957（自由度为2346），显著性水平为0.000，小于0.05，这表明各指标相关矩阵有公因子，并非独立，而是有相互联系，同时也能解释大部分的方差，适合做进一步的因子分析。
表5－37为每个变量的初始共同性以及以主成分分析发抽取主成分后的共同性。共同性越低，表示该变量越不适合投入主成分分析之中，共同性越高，则表示该变量与其他变量可测量的共同特质越多，如果有题项的共同性低于0.2，需考虑将此题项删除。由上可知，所有题项的共同性萃取值都大于0.5，无须调整量表指标问题，可进一步做因素分析。
续表
续表
续表
续表
续表
上述表格包含三个部分：一是初始特征值（Initial Eigenvalues），表示初步抽取共同因素的结果；二是平方和负荷量萃取（Extraction Sums of Squared Loadings）此部分只保留特征值大于1的因素，特征值由大到小排列；三是转轴平方和负荷量（Rotation Sums of Squared Loadings），显示转轴后共同因素可以解释的总变异量。
结果显示，69个指标题项共萃取出12个最后的共同因素，占转轴后的共同因素解释总变异量的72.967%。这与本研究预设的14个主要因子有差异，通过旋转后的因子负荷矩阵，可以直观地看出探索性因子分析后的结果。如表5－38所示：
通过SPSS软件的因素分析功能，共提取因子主成分因子12个。其中，原始量表中的感知互动性因子的指标问题（PI2—PI10）与感知融合性因子所有指标问题（MC1—MC4）落入同一个矩阵空间；科技创新性因子所有指标问题（TI1—TI6）与自我效能感因子的所有指标问题（SE1—SE3）落入同一矩阵空间。说明这两组因素的其共同因素特质很高，被自动归类为一个共同因素。
另外，根据因素分析的标准：首先，因子负荷量（loadings）小于0.5时，该因子将被删除；其次，若因子只有一个项目，也将被删除；再次，每一个项目所对应的因子负荷量，必须接近1，但在其他因素的因子负荷量必须接近0，即当一个项目在所有因子的因子负荷量小于0.5，或者这个项目的因子负荷量有两个大于0.5的（即横跨二个因子以上），皆删除。（张莹，2009）
由此，需删除的指标问题共三个，分别是感知互动性因子中的PI1（手机新闻的界面美观）与PI2（手机新闻能刺激我的新闻阅读）；自我效能感因子中的SE1（我自信我能够使用手机来获取新闻资源）。
结合理论和实际双重考虑，将感知互动性因子与感知融合性因子进行合并是可以接受的。理由如下：
首先，感知融合性因子是近年来融合媒体概念趋热后，研究者单独将其提取出来进行讨论的概念，其本质是受众对媒体使用的自由度，虽然偏重于媒体使用的兼容性、集合性和随时随地性，但在一定程度上也反映了媒体使用的传授互动。
续表
续表
续表
续表
其次，感知互动性因子的定义本身延展范围较大，在研究最初理论假设时就提到了感知互动因子与感知融合因子两者有交集，两者都体现了人机与人际交流的友好性、顺畅性。从广义上讲，互动性的内涵可以包含受众使用新媒体的自由程度。
最后，本书作者提出两个因子是基于一定的理论假设，但受众提供的实际数据最真实地反映了受众对于这两个因子问题的感受和回应，应当以受众的客观反映为主要依据。因此，本研究将两个因子合并在一起，并启用“感知互动融合性因子”的新命名，使合并一方面不丧失两者原来所包含的微妙差异，也能更好地体现手机新闻的全媒体技术特质。
将科技创新性因子与自我效能感因子的部分问题进行合并也在情理之中。从技术接受的角度而言，这两个因子都是受众对于新技术接受与使用的主观感受，而且都体现了新科技与个人主观认同之间的关联。综上，可以接受将两者合并，且这两个因子的合并可以更加完整地表达使用者对于一项新技术接受时的自我能力认同性。
自我效能感因子源于社会认知理论，可以有比较广义的应用，而本研究主要聚焦于新技术接纳，再加上自我效能感因子的SE1指标问题由于未达到0.5的负荷标准被删除，自我效能感因子剩余两个指标问题。因此，本书作者认为可以将自我效能感因子问题并置入科技创新性因子，仍任命名为“科技创新性因子”。
经过因子分析后，除人口特征五要素外，原假设的13个自变量合并为11个自变量，感知互动性因子与感知融合性因子合并，合并后的因子重新命名为“感知互动融合性因子”，自我效能感因子与科技创新性因子合并，合并后仍命名为“科技创新因子”。
经过调整后的手机新闻采纳行为机制如图5－8所示。
通过因素分析，本研究的量表设计整体效度较高，通过检验。同时，通过因子分析，原始量表得以进一步微调，删除和合并相关题项，整体效度更高（见表5－39）。接下来，在此基础上，进一步展开基于结构方程模型的手机新闻采纳影响因素研究。
图5－8 调整后的手机新闻采纳模型图
表5－39 因素分析后修订的假设列表
续表
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。
