1 定义
构念效度是一种实验效度，主要指测量指标测量概念的有效度，或选用的操作化指标能否准确代表背后的理论构念。例如，选用的测量工具（NASA-TLX量表）是否能真实、有效地反映背后的心理状态（脑力负荷）。构念效度是评价量表等测量工具的重要指标，此外还有信度与区分度。
2 判断依据
构念效度需要多类证据共同支持。
第一类是内容证据，即测量内容是否准确覆盖目标构念的主要范围（即内容效度，content validity）。例如，研究者用问卷测量系统可用性，条目就不能只关注操作速度，还需要涵盖理解难度、错误恢复等内容。内容证据通常来自清晰的构念定义、既有文献与成熟量表、任务分析和专家评审。研究者可以基于构念的定义，检查测量条目或指标是否与定义相对应，是否遗漏了关键维度，是否混入了无关内容，以及各维度的比例是否合理。
第二类是内部结构证据，主要适用于多条目量表或多个指标共同构成的测量工具，指量表条目或多个观测指标之间的关系是否清晰、与构念定义相一致（也叫做结构效度）。如果因变量只是单一反应时、错误率，通常不涉及内部结构检验。典型的场景是因变量的量表包含多个维度，而每个维度包含多个条目。在这种情况下，研究者需要检查其因子结构：同一维度下的条目应当聚合在一起，不同维度的条目应当形成相对清晰的分组，条目不应大量跨维度负载，也不应偏离原本要测量的构念。
因子结构需要在收集到足够的数据量之后才能检验，常用的方法是探索性因子分析（EFA），以及验证性因子分析（CFA）。EFA是数据驱动的，它不需要研究者预先假设因子结构，而是根据数据情况来决定因变量包含多少个因子，每个因子涉及哪些条目。CFA是理论驱动的，需要研究者提出假设的因子结构（因变量有哪些因子，每个因子有哪些条目），然后计算收集的数据是否支持这一假设。在EFA或CFA的基础上，研究者还可以进一步查看：（1）收敛效度（convergent validity），即每个维度下的条目是否共同指向同一维度；（2）区分效度（discriminant validity），即不同维度之间是否保持明显的边界。这些都能帮助确认因变量测量的内部结构清晰合理。
第三类是效标证据，即测量结果是否与其他测量方法、外部标准或相近构念的测量一致（即效标效度，criterion-related validity）。这些用于对比的成熟测量工具或相近构念就是效标。例如，假设研究者设计了新的脑力负荷测量方法，如果这种方法有效，它应当和同一时间的NASA-TLX得分（即效标）正相关，也可能与参试者的任务绩效之间存在关系。常见做法是将测量值与效标值的Pearson相关系数作为效标证据。
这些效度证据在开发新量表或其他测量方法的实验中尤其重要。对于其他实验，研究者不必完整开展量表开发和验证流程，但仍应关注因变量测量的基本效度，尤其是检查内容效度。