收敛效度反映的是测量潜变量题项值的相关度
发起主体（见表5-3）。这说明目前企业运营与建设在线品牌社群的意识非常强，并且也采取了一些激励措施来吸引消费者加入和留在在线社群内。表5-3在线品牌社群平台发起主体5.1.2.3用户加入在线品牌社群的时间频率和参与频率从用户加入在线品牌社群的时间来看，6个月以下和6个月至1年的人数最多，分别占到28.2%和27.5%，这说明加入时间在1年以内的人数超过一半。1年以上2年以下的占比为24.8%，2年以上的合计约为19.5%，超过3年的只有6.4%。说明在线品牌社群仍处于发展阶段，需要持续建设与运营，以吸引更多的消费者参与并让其愿意留在社群之中。从用户参与在线品牌社群的频率来看，有303人表示自己每周会参与1次或多次，占比48.2%；有21.3%的受访者则表示自己每天都参与1次或多次；18.2%的用户每个月至少会参与1次。这说明用户参与在线品牌社群的频率还是比较高的，虽然加入时间普遍不长，但较高的参与频率说明用户对品牌社群抱有较浓郁的兴趣，愿意主动予以关注和参与。5.2样本数据的质量评估在第四章中我们曾经对小样本进行了前测，分析了量表的信度和效度。但在大样本分析阶段，我们仍然需要对量表进行质量评估，即评估量表的信度和效度，并使用验证性因子分析法（CFA）检验数据是否与测量模型拟合，如确定拟合则再对变量进行相关性分析，为使用结构方程模型来检验模型打下基础。在本小节中，我们将结合具体的研究方法及其评估指标，逐一对变量进行评估。5.2.1样本数据质量评估的方法5.2.1.1信度分析信度分析反映的是概念测量的可靠程度，它能表现出测量结果的一致性和再现性。内在信度主要反映测试一个概念的同一组题项是否具有内在一致性。外在信度主要反映同一对象在不同时间测得的结果是否一致（张庆利，2011）。与小样本测试一样，本研究主要对内在信度进行测量，使用SPSS 21.0软件对量表的Cronbach α系数和校正的题项&总体相关性系数（Corrected Item-Total Correlation，CITC）进行测量，测量标准是α系数大于0.7，CITC系数大于0.5。具体评价标准如表5-4。表5-4信度评价指标5.2.1.2效度分析效度反映的是测量工具的有效性，考察测量工具是否能正确测量出被试的心理、行为特质。在前测中，我们使用探索性因子分析法（EFA）测量了量表的建构效度。大样本量表的效度检验可从内容效度、收敛效度和区别效度三个方面展开。本研究中的测量项目均建立在文献分析和深度访谈的基础之上，并经过学界和业界专家的把关与修订，经过前测之后又对一些题项进行了删减和调整，因此内容效度是较好的。在本小节中我们主要通过AMOS22.0来测量量表的收敛效度和区别效度。收敛效度反映的是测量潜变量题项值的相关度。具体参考标准为：①各潜变量测量题项的标准因子载荷量大于0.5，并达到统计显著水平；②平均方差抽取量（AVE）高于0.5（Fornell & Larcker，1981）；③组合信度（CR）大于0.7（吴明隆，2012）。其中，AVE评价了测量题项对于测量误差而言所解释的方差总量。区别效度反映的是不同变量之间的差异化程度。对于区分变量可以采用Fornell & Larcker（1981）的建议，比较不同潜变量AVE平方根与不同潜变量间关系系数的大小，如果两个潜变量间的AVE均方根大于两个潜变量间的相关系数，就说明具有良好的区别效度。如果在一个变量中，只有一个潜变量，那么则无须进行区别效度的检验。具体评价标准如表5-5。表5-5效度评价指标5.2.1.3验证性因子分析（CFA）在问卷的前测环节中，本书采用探索性因子分析法（EFA）检验了变量的因子数量，并根据因子分析的结果对因子的测量题项进行了删除、修改和调整。但EFA更强调因子数量的确定，而难以描述变量与变量之间的关系，EFA在降维分析之后才根据统计情况进行命名，难以体现理论的指导意义，对于结构效度而言只提供了必要信息而非充分信息。所以学者们更倾向于用验证性因子分析法（CFA）来测量数据的效度，以验证由理论基础发展而来的研究模型中假定的潜变量与假定的观察变量之间的关系。验证性因子分析也是结构方程模型分析的前置步骤。结构方程模型（SEM）是本书主要使用的实证研究统计工具之一，可分为测量方程与结构方程两个部分，其中测量方程（Measurement equation）测量的是潜变量与观察变量间的关系，结构方程（Structural Equation）测量的是潜变量与潜变量之间的关系。CFA就是利用测量方程来检验潜变量与观察变量间的关系，通过这些分析为后续的结构方程研究潜变量与潜变量间的相互关系打下基础。使用测量方程评估的步骤如下：①设立模型：可用较为清晰直观的路径图定义潜变量与观察变量之间的关系；②模型识别：根据t规则（Bollen，1989）来判断模型是否可被识别，如果t
