因素分析法建构效度(或称构念效度)指问卷或量表能测量到理论上的构念或特质之程度。建构效度有两类：–收敛效度：同一因素构面中，若各题目之因素负荷量(factorloading)愈大，则愈具备「收敛效度」(一般以大于0.5为准，0.7至0.9具有较强的一致性效度（Kline,2005,p.60）)。–区别效度：若问卷题目在非所属因素构面中，其因素负荷量愈小(一般以低于0.5为准)，则愈具备「区别效度」。检测量表是否具备建构效度：因素分析法。范例一某研究探讨“目的地恢复力属性”所应包含的内容，该研究藉由文献回顾，预调查删选，并经过单变量数据清洗(Tabachnik&Fidell,2007,p.73)，设计十五道题目并以七级量表为衡量尺度的问卷，以衡量“目的地恢复力属性”。今抽取46位受访者，请其填写问卷。请问该测量结果对于“目的地恢复力属性”的内容，是否具备建构效度？(资料文件：社区恢复力.sav)因子分析是从众多的原始变量中构造出少数几个具有代表意义的因子变量，这里面有一个潜在的要求，即原有变量之间要具有比较强的相关性。如果原有变量之间不存在较强的相关关系，那么就无法从中综合出能反映某些变量共同特性的少数公共因子变量来。因此，在因子分析时，需要对原有变量作相关分析。Analyze分析--DataReduction降维--Factor因子分析•描述：统计量：原始分析结果；相关矩阵：系数，KMO和Bartlett的球形度检验。•抽取：方法：主成分；相关性矩阵；输出：未旋转的因子解，碎石图；抽取：基于特征值大于1；•旋转：最大方差法，旋转解，载荷图•得分：保存为变量因子分析最简单的方法就是计算变量之间的相关系数矩阵。如果相关系数矩阵在进行统计检验中，大部分相关系数都小于0.3，并且未通过统计检验，那么这些变量就不适合于进行因子分析。1．巴特利特球形检验（BartlettTestofSphericity）2．反映像相关矩阵检验（Anti－imagecorrelationmatrix）3．KMO（Kaiser-Meyer-Olkin）检验（KMO值在0.9以上极适合进行因素分析，在0.8以上适合进行因素分析，在0.7以上尚可进行因素分析，在0.6以上勉强可进行因素分析，0.5以上不适合进行因素分析，0.5以下飞非常不适合进行因素分析。）巴特利特球形检验概率为0.000小于显著性水平，拒绝原假设，与单位矩阵有显著差异，KMO值为0.672，可以进行因素分析。分析结果-1总变异量的解释，在Principalcomponents主成分分析的方法及特征值>1的原则萃取下，共萃取出三个因素，三个因素特征值分别为7.04，3.499,2.415，...
