提高区别效度的物理操作法

区别效度（discriminant validity）:不同构面（construct,concept）彼此之间确实不相同。

在因子分析环节中，两个变量落入到相同的因子中的统计学原因不做过多解释。

这里单纯从如何拆分出这两个变量做点解读。调查课程中一位同学发现她的两个因变量总是被混在一起，无法拆分，于是她调整了量表顺序，将两个Y1和Y2变量分别放在了量表不相邻的位置上。在后面的调查环节与分析结果中，这两个因变量被明显的区分开，但是与Y2变量与位置相近的X，无法区分。

和同学沟通她实际调研的情况，得到如下的解释，受访者因长时间作答问卷产生疲劳感，对问卷后面问题投入的注意力不够，导致区分度不够明显，这一条我是认同的。

于是提出如下量表布局的优化策略：

第一，如果有两个因变量，强制隔离彼此的距离。

第二，写论文当中具有创新意义的自变量，需要前置。

第三，具有创新意义的自变量与因变量强制隔离。

两个原则：物理隔离，适当前置

当然，这种方法是基于实践的一种反馈，好的效度依然需要好的量表、靠谱的调查对象、合理的数据采集。