基于PLS-SEM的互聯網人群生存質量量表的信度效度評價*

林麗萍 劉偉霞 林中燕△

【提 要】 目的 對微調后的世界衛生組織生存質量量表的信度、聚合效度和區分效度進行評價，分析其在互聯網人群中的適用性。方法 利用網絡調查方法對我國八省(市)互聯網人群進行抽樣，基于收回的2400份有效問卷，采用偏最小二乘法結構方程模型構建互聯網人群的生存質量評估模型，據此評價量表的信度、聚合效度和區分效度。結果 微調后的世界衛生組織生存質量量表各領域的Cronbach′s α值都大于0.6，量表聚合效度的評估指標中載荷超過0.6、組合信度超過0.7、平均提取方差值超過0.5，量表所有維度的AVE平方根都高于維度間相關值的平方根。結論 微調后的世界衛生組織生存質量量表具有良好的信度、聚合效度和區分效度，適用于評價互聯網情境下的互聯網用戶的生存質量。通過偏最小二乘法結構方程模型評估模型得出四個分類維度對生存質量都有正向影響，其中心理維度影響最大，社會關系維度影響最小，在心理維度、精神支柱的影響最強。

由世界衛生組織根據生存質量主要內容設計的世界衛生組織生存質量測定量表簡表(The World Health Organization′s quality of life Questionnaire-Brief Version，WHOQOL-BREF)包含個體的生理維度、心理維度、環境維度和社會關系維度等四個維度，是評價群體生存質量的主要工具。WHOQOL-BREF量表的測定效果受到量表信度和效度的影響，不同人群應用量表評價生存質量時其信效度可能會發生變化。因此將量表用于測定特定人群生存質量時，先驗證量表在特定人群中的信效度是極其重要的[1]。目前用于測定多個國家和地區不同群體生存質量的WHOQOL-BREF量表被驗證具有良好的信度和效度[2-5]。

互聯網的發展與普及使得人們的社會生活發生了深刻的變化，個體的體驗也存在差異，互聯網用戶的生存質量也隨之發生變化。在新的互聯網情境下，WHOQOL-BREF量表是否仍適用于評估和判斷用戶的生存質量，是研究互聯網人群生存質量的關鍵。已有的與互聯網相關的生存質量研究中，應用WHOQOL-BREF量表作為測定工具的文獻相對較少，對量表的信度和效度研究更少，主要是將互聯網作為影響因素來判定其對生存質量的影響[6-10]。本文將互聯網人群作為研究對象，通過實證分析驗證微調后WHOQOL-BREF量表的信度和效度，用以評估和判斷量表是否適用于評估互聯網人群的生存質量。采用偏最小二乘法結構方程模型構建評估模型來驗證量表的信效度，原理同已有文獻的實證方法相似[11-15]。但因偏最小二乘法結構方程模型是集多元線性回歸法和主成分回歸法為一體，融合因素分析和路徑分析兩種統計技術，所以利用該方法來評估量表的信度和效度更加簡單直觀，同時將變量的測量誤差考慮在內從而提高了檢驗的準確性[16-18]，最后還能進一步通過評估模型判斷四個領域對生存質量的影響強弱。

資料與方法

1.數據來源

本次問卷調查方法采用網絡調查方法[19]。已有研究表明，利用互聯網從地理上分散樣本中收集數據，可以減少轉錄需要和出錯可能性，從而有可能提高此類研究的質量，在具有測量不變性的基礎上，網絡調查對于概念的測量均值更加精確，同時網絡調查還有利于減少數據缺失率和保護個人隱私[20-23]。具體的調查抽樣是由網絡問卷機構按照項目要求，通過向北京、上海、福建、廣東、江蘇、浙江、安徽和江西等八省(市)的實體社區樣本單位進行隨機抽樣網絡調查，抽樣方法符合ESOMAR國際商會與歐洲民意和市場研究協會《全球調研準則和指導原則》(2017年9月發布)網絡抽樣28條規范，樣本取自網絡人群，因此符合該規范網絡調查手段與互聯網人群的調查要求。為保護受訪者隱私，調查問卷通過互聯網進行匿名投放和回收，每個地區平均收回300份，樣本不重復計數，每個樣本均為獨立IP樣本，所有樣本調查對象均為互聯網人群，總采樣數2400份。

2.問卷設計

本文所發放的調查問卷基于WHOQOL-BREF量表設計，結合互聯網情境在條目的設計上做了微小增刪，主要包含受訪者基本信息和28個核心條目，用于研究調查對象在近兩周的生存質量情況。量表中的28個核心條目是在WHOQOL-BREF量表的26個核心條目基礎上，新增“家庭摩擦”、“食欲”“生存質量分值”三個條目，同時刪去“交通條件”條目。每個條目采用Likert五分計分，分別用1～5表示很差、差、不好也不差、好、很好，正向條目直接按1～5計分，逆向條目則采取正向化處理。

本文在原WHOQOL-BREF量表結構中的分類維度基礎上，結合新增刪的條目做了微調，將原量表結構中的“總體健康狀況”及新增的“食欲”歸為生理維度；“家庭摩擦”歸為社會關系維度；新增的“生存質量分值”歸入總的生存質量，微調后的分類量表結構詳見表1。

表1 基于WHOQOL-BREF微調后的分類量表結構

3.統計方法

偏最小二乘法結構方程模型(partial least squares structural equation modeling，PLS-SEM)，屬于結構方程模型的“軟模型”，用以有效處理、檢驗測量模型和結構模型之間關系的多元統計方法，其允許由多個獨立的潛變量和指標同時建模來描述測量模型和結構模型的關系。測量模型指(潛)變量與測量指標之間的關系，結構模型指(潛)變量間的關系。其核心思想在于引入潛變量，并為潛變量設置觀測指標，使得原本相對抽象且難以直接觀測的潛變量可以通過可直接觀測的指標來測量和反映。

本文將量表結構中的生理維度、心理維度、環境維度及社會關系維度設為潛變量(分類變量)，其對應的每個條目設為相應的觀測指標，進行偏最小二乘法結構方程模型的構建來評估微調后量表的信度和效度。本文采用Smart PLS 3.0軟件工具，在統一數據測試環境中，實現量表的信度、聚合效度和區分效度的評估。

結果與分析

1.受訪者的人口學特征

統計2400份有效問卷的受訪者信息，其中男性略多，占53%，達1273人，女性1127人；受訪者年齡呈正偏態分布，其中20～30歲516人，占比最大，達21.5%，其次是30～40歲占比20.5%，接下來依次是40～50歲15.6%、50～60歲12.6%、20歲以下12.5%、60～70歲10%、70～80歲5.7%、80歲以上1.6%；在受教育程度上，達高等教育以上文化程度的受訪者占65.8%；婚姻狀況已婚為主，占比68.4%；職業在私企的占36.3%，在體制內工作的占23.4%。

2.量表的信度分析

通過偏最小二乘法結構方程模型對收集的問卷數據構建評估模型，可得出量表的信度和聚合效度、區分效度。量表的信度分析是考察量表中觀測指標與分類變量間的內部一致性程度，具體指同一組的觀測指標是否指向同一個分類變量，目前Cronbach′s α值是應用最廣泛的信度指標。通常情況下，Cranbach′s α系數在0.6以上，被認為信度較高。表2中信度檢驗結果顯示：所有的Cranbach′s α值都大于0.6，由此可知，量表各個維度與其觀測指標的內在一致性程度較高，說明量表的信度較高。

表2 量表的信度分析

3.量表的聚合效度(convergent validity)

聚合效度又稱收斂效度，指測量相同分類變量的觀測指標會落在同一個共同因素上，用于檢驗觀測指標對于其測量的分類變量實際測量的程度。通常由載荷(loading)、組合信度(composite reliability，CR)、平均提取方差值(average variance extracted，AVE)三者結合來評估。

表3 量表的聚合效度

載荷表示觀測指標在分類變量公共因子上的負荷，載荷的大小表示觀測指標是否能有效反映出它所要測量的分類變量，表2結果顯示，所有觀測指標的載荷均超過推薦值0.6[24]。組合信度(CR)表示由多于一個觀測指標組成的分類變量的信度，即所有測量指標分享該分類變量的程度，其值越高說明觀測指標間內在關聯越強，評估模型的CR值范圍為0.825～0.884，超過推薦值0.7[25]，說明五個分類變量的組合信度較高，其內部觀測變量間的關聯程度強。平均提取方差值(AVE)表示觀測指標對分類變量的差異解釋力，其值越高表示分類變量的收斂程度越大，模型的 AVE值范圍在0.512到0.762，超過推薦值0.5[25]。綜上說明量表中分類維度和觀測指標間有較強的交聯度、相關性，說明生存質量的四個分類維度與其對應的指標之間的聚合效度較好。

4.量表的區分效度(discriminant validity)

區分效度用于說明觀測指標與其所屬分類變量相關性較強而與其他分類變量相關較弱或不存在相關性，通常通過比較分類變量間相關系數的平方根和AVE平方根的大小來檢驗[26]。如表4所示，量表分類變量的所有AVE平方根都高于表中所在行的相關值，說明各個觀測指標與其對應的分類維度之間相關性較強，與其他四個分類變量的相關性較弱，例如生理維度的觀測指標PF1～PF7與生理維度的相關性較強，與心理維度、環境維度等其他維度的相關性較弱。綜上證明了量表分類變量間有區分效度。

表4 量表分類變量間的區分效度

5.量表評估模型：偏最小二乘法結構方程模型

通過構建量表的偏最小二乘法結構方程模型(圖1)來評估測量模型的信效度，得出量表的信度、效度良好，通過模型可進一步分析分類變量間的關系，可以得出四個領域對生存質量的影響大小。利用重采樣5000個樣本自舉法對結構模型的路徑顯著性進行檢驗。結果如表5所示，其中各個路徑的P值都<0.001，表明模型中的分類變量對生存質量都有正向影響。R2是度量回歸直線對觀測值的擬合程度的可決系數，其值越接近1，說明模型回歸效果越顯著。由圖1可知，模型的R2為0.658，說明模型效果較為顯著，表明量表的準確性和可靠性都較高。

表5 結構模型輸出結果

圖1 量表評估模型

結 論

通過實證分析結果顯示，互聯網情境下使用修改后的WHOQOL-BREF量表建構互聯網人群生存質量的評估模型，得出該量表具有良好的信度、聚合效度和區分效度，所以基于WHOQOL-BREF微調后的量表適用于評價新環境下的互聯網人群的生存質量。

進一步分析量表評估模型，可得出四個分類維度對生存質量有正向影響且有強弱之別，心理維度對該群體的生存質量影響最大(β=0.326)，社會關系維度影響最小(β=0.117)，生理維度和環境維度的影響次之。這與往期文獻研究具體病癥群體的生存質量時，對患者生存質量影響最大的是生理維度而非心理維度不同。產生差異的原因一方面由于受訪者當前的健康問題集中在隱性慢性病或亞健康方面，短期內對生理維度的影響有限；另一方面是隨著互聯網對人們生活消費等的深刻影響，個體增強了對自身心理的關注而弱化了其他維度的影響。這和社會關系維度影響最弱的結果一致，表明在互聯網環境下，人們之間的親疏互助關系模式發生了改變，因此對人際關系及所需社會支持依賴性減弱。

有趣的是，在生存質量影響最強的心理維度，觀測指標“精神支柱”(Q14：您覺得生活有意義嗎？)是載荷最大的指標，說明精神支柱與心理維度關系最為密切。這表明在互聯網環境下，精神支柱依舊是一種理想信念和信仰寄托，有明確的精神支柱有助于人們以更積極、充滿正能量的心態來面對生活，提升整個心理維度的效應，從而助推人們生存質量的提升。