1 信度概述
1.1 信度
问卷调查法是研究中广泛采用的一种调查方法，根据调查目的设计的调查问卷是问卷调查法获取信息的工具，其质量高低对调查结果的真实性、适用性等具有决定性的作用。为了保证问卷具有较高的可靠性和有效性，在形成正式问卷之前，应当对问卷进行试测，并对试测结果进行信度和效度分析，根据分析结果筛选问卷题项，调整问卷架构，从而提升问卷的信度和效度，在此主要讨论信度分析。
信度又叫可靠性，是指测量结果的稳定性程度或一致性程度。一个好的测验必须稳定可靠，即多次测量的结果保持一致，否则便不可信。作好问卷调查后，接下来为了进一步考验问卷的可靠性与有效性，即要做信度分析(Reliability Analsis)，信度本身与测量所得结果正确与否无关，它的功用在于检验测量本身是否稳定。
例如：我们用一个智力量表去测量某一个儿童，第一次测得的结果是IQ=90，第二次测得的结果是IQ=120。那么我们就会问：到底这儿童的智商是多少？这就是该智力测验的可靠性有问题。就好象用橡皮筋去量东西的长度。前面讲过，任何一种测量，总有或多或少的误差，信度受随机误差的影响。随机误差越大，信度也就越低；随机误差越小，信度就越高。因此，信度也可看作测量结果受机遇影响的程度。测验信度越高，表示测验结果越可信，但也无法期望两次测验结果完全一致，信度除受测验质量影响外，亦受很多其他受测者因素的影响，故没有一份测验是完全可靠的。信度只是一种程度上大小的差别而已。一致性高的问卷便是只同一群人接受性质相同题型相同目的相同的各种问卷测量后，在各衡量结果间显示出强烈的正相关。稳定性高的测量工具则是指一群人在不同时空下接受同样的衡量工具时，结果的差异很小。
一般信度的测量时容易产生误差的原因，是来自研究者的因素包括：测量内容（遣词用句、问题形式等）不当、情境（时间长短、气氛、前言说明等）以及研究者本身的疏忽（听错、记错等）；而来自受访者的因素则可能是由于其个性、年龄、教育程度、社会阶层及其他心理因素等，而影响其答题的正确性。
问卷内容的同构型及受访时间间隔的影响是影响信度的两个主要因素。
在测量理论中，信度被定义为：一组测量分数的真变异数与总变异数（实得分数的变异数）的比率。即：
XX = S T2 /S X2
式中γXX代表测量的信度，S T2代表真分数变异数，S X2代表总变异数，即实得分数的变异数。
由于X=T+E，所以信度还可表示为：
γXX=（S X2-S E2）/ S X2=1- S E2/ S X2
由于真分数的变异数是不能直接测量的，因此信度是一个理论上构想的概念，由于我们无法得到测验的真正信度，我们只能用一些指标对它进行估计。
1.2 信度系数
大部分的信度指标都以相关系数来表示，即用同一被试样本所得的两组资料的相关作为测量一致性的指标，称作信度系数。
对信度系数要注意三点：（1）在不同的情况下，对不同样本，采用不同方法会得到不同的信度系数，因此一个测验可能不止一个信度系数。（2）信度系数只是对测量分数不一致程度的估计，并没有指出不一致的原因。（3）获得较高的信度系数并不是测量追求的最终目标，它只是迈向目标的一步，是使测验有效的一个必要条件。
若以信度系数来表示信度的大小，信度系数越大，表示测量的可信程度越大。信度系数达到多高才可以接受呢？最理想的情况是γXX=1，但这是办不到的。不过我们可用已有的同类测验作为比较的基准。一般能力与成就测验的信度系数要求在0.90以上，有的可以达到0.95；至于性格、兴趣、价值观等人格测验的信度系数，通常在0.80到0.85或更高些。当γXX<0.70时，不能用测验来对个人作评价，也不能在团体间作比较；当γXX大于或等于0.70时，可用于团体间比较；当γXX大于或等于0.85时，可用于鉴别个人。
学者DeVellis (1991)认为，0.60～0.65（最好不要）；0.65～0.70（最小可接受值）；0.70～0.80（相当好）；0.80～0.90（非常好）。由此，一份信度系数好的量表或问卷，最好在0.80以上，0.70至0.80之间还算是可以接受的范围；分量表最好在0.70以上，0.60至0.70之间可以接受。若分量表的内部一致性系数在0.60以下或者总量表的信度系数在0.80以下，应考虑重新修订量表或增删题项。
任何测验只有包含特定样本的题目，由特定的施测者，对特定的被试，在特定的时间、地点施测，情况不同便会得到不同的分数。由于信度系数总是在特定情况下获得的，因此，只有当一个测验在很多情况下被证实具有较高的信度时，
才可以说它是比较可靠的测验。
1.3 信度的作用
信度系数有两个实际用处：一是用来解释个人分数的意义，二是用来比较不同测验分数的差异。
1．信度可以用来解释个人测验分数的意义
由于存在测量误差，一个人所得分数有时比真分数高，有时比真分数低，有时二者相等。理论上我们可对一个人施测无限多次，然后求所得分数的平均数与标准差，这样平均数就是这个人的真分数，标准差就是测量误差大小的指标。但这在实际上是行不通的。然而，我们可以用一组被试（人数足够多）两次施测的结果来代替对同一个人反复施测，以估计测量误差的变异数。此时，每个人在两次测验中的分数之差可以构成一个新的分布，这个分布的标准差就是测量的标准误，是表示测量误差大小的指标。
测量的标准误可用下式计算：
SE=S 1 - γXX
这里SE为测量的标准误，S为所得分数的标准差，γXX为测量的信度。从式中可以看出，测量的标准误与信度之间有互为消长的关系：信度越高，标准误越小；信度越低，标准误越大。
根据上公式，知道了一组测量的标准差和信度系数，就可以求出测量的标准误。进一步我们就可以从每个人的实得分数估计出真分数的可能范围，即确定出在不同或然率水准上真分数的置信区间。人们一般采用95%的或然率水准，其置信区间为：
（X-1.96SE）≤ T ≤ (X+1.96SE)
这就是说，大约有95%的可能性真正分数落在所得分数±1.96SE的范围内，或者5%的可能性落在这范围之外。这实际上也表明了再测时分数改变的可能范围。
例如：在一次测验中有一学生得80分，这是否反映了他们的真实水平？如果再测一次他的分数将改变多少？已知该次测验的标准差为5，信度系数为0.84。
首先计算SE：
SE= 5?1-0.84 =2
T=80 ± 1.96 ? 2 = 76.08~83.92
我们可以说该学生的真正分数有95%的可能性落在76与84分之间。
2．信度可以帮助进行不同测验分数的比较
来自不同测验的原始分数是无法直接比较的，而必须将它们转换成相同尺度的标准分数才能进行比较。
如某班期末考试，张生语文、数学的成绩转换成T分数（平均数为50、标准差为10）分别为65和70，由此我们可以知道张生的数学比语文考得稍好些，但二者差异是否有意义，仍不清楚。为了说明个人在两种测验上表现的优劣，我们可以用“差异的标准误”来检验其差异的显著性，常用的公式为：
SE d=S 2 - γXX -γYY
公式中SEd为差异的标准误，S为标准分数的标准差（如T分数的S=10），γXX和γYY分别是两个测验的信度系数。
如上例中，假定此次语文、数学考试的信度分别为0.84和0.91，张生的两个分数差异的标准误为：
SEd=10 ?2-0.84-0.91 = 5
若采用95%的置信区间（即0.05显著水平），则张生在这两门课上T分数的差异必须达到或超过1.96Sed = 1.96 ? 5 = 9.8 ，才能认为二者真有差异。因为数学的T分数只比语文高5分，所以差异并不显著。
用SE估计个人分数的误差要注意三点：（1）一个测验有很多可能的信度估计，因而也有同样多的标准误估计，在实际工作中要注意选择最适合某一特殊情况的信度估计来解决问题。（2）本理论假定SE在所有分数水平都一样，但有时高分段与低分段其标准误并不相同。水平高的人与水平低的人在做测量时会有不同的随机误差，受随机误差的影响也不一样。（3）测验分数是一个人真正分数的最佳估计，但由于存在测量误差，所以必须将测验分数看成以该点为中心上下波动的范围，而不要看成确切的点。这一范围有多宽将取决于测量标准误的大小，最终取决于信度系数。（4）测量标准误是对测量误差的描绘，用它能对个人真正分数的置信区间作出估计，但用它来估计个人真正水平则可能导致严重错误，因为它没有考虑到系统误差的影响。
2 信度的估计方法
信度是反映测量中随机误差大小的指标。由于赞成测量的随机误差的方式或来源多种多样，所以信度的估计方法也多种多样。下面所介绍的信度估计方法是分别考察信度的某一方面的，使用时要特别注意它的含义及适用范围。
2.1 重测信度
1．含义和计算
重测信度（test-retest reliability）指的是用同一个量表对同一组被试施测两次所得结果的一致性程度。重测信度能表示两次测验结果有无变动，反映测验分数的稳定程度，所以又叫稳定性系数。其计算公式即皮尔逊积差相关公式：γXX = [∑ (X -?X ) (Y-?Y )] / ∑ (X -?X )2. ∑ (Y-?Y )2
公式中，γXX是重测信度，X及?X是第一次测量的实得分数及实得分数的平均值，Y及?Y是第二次测量的实得分数及实得分数的平均值。
需注意①相关系数高，表示此测验的信度高、②前后两次测验间隔的时间要适当。若两次测验间隔太短，受测者记忆犹新通常分数会提高，不过如果题数够多则可避免这种影响；但若两次测验间隔太长，受测者心智成长影响，稳定系数也可能会降低。
人的多数心理特质如智力、性格等，具有相对的稳定性，因此对这些心理特质的测量，应该前后一致。因此，我们希望得到测验稳定性的证据。另外，我们还经常要用测验分数对人做预测，此时测验分数的跨时间的稳定性更加重要。
重测信度的优点在于提供有关测验结果是否随时间而变异的资料，作为预测受试者将来行为表现的依据。其缺点是易受学习和记忆的影响。如果相隔时间太短，则记忆犹在，练习的影响很大，往往造成假性的高相关；如果相隔时间太长，那么身心特质的发展与学习经验的累积等均足以改变测验分数的意义，使相关降低。一般来说，最适宜的相隔时间随测验的目的和性质而异，少者两周，多者半年。
2．使用的前提条件
重测信度的特点是用同一工具对同一批人测两次，因此，它只能在允许重测的情况下才使用。具体地说，它必须满足3个条件：
（1）该测验测量的心理特性必须相当稳定。
（2）遗忘和练习的效果基本上相互抵消。
（3）两次测验期间的学习效果没有差异。
但是，我们可以看到，对于学校的各种测验或标准化考试，上面三个假设几乎是无法满足的。因此，一般标准化考试很少用重测法来估计测验的信度。相反，成人的人格特质一般是稳定的，并且不容易受遗忘、练习、学习的影响，较多用重测法估计信度。
2.2 复本信度
2.2.1含义与计算
任何测验都只是所有可能题目中的一份取样，所以可能编制许多平行的等值测验，叫做复本。复本信度（alternate-form reliability）就是指用两个复本测验测量同一批被试所得结果的一致性程度。其大小等于同一批被试在两个复本测验上所得分数的积差相关系数。
两个等值测验可同时连续施测或相距一段时间分两次施测。前者的复本信度又称等值性系数，其分数的不一致主要来自题目取样的差别，因为两次测验的间隔极短，所以没有时间造成的误差。后一种复本信度又称稳定性与等值性系数。因为它把复本法与重测法结合起来，所有影响施测和再施测不一致的因素以及影响平行型不一致的因素都将对它发生影响，因此分数的不一致性最高。可见与稳定性系数和等值性系数相比，稳定性与等值性系数是对信度的最严格的检验，其值最低。
2.2.2使用前提条件
以复本法估计测验的信度可以避免重测法的缺点，但用复本法估计测验的信度的条件之一首先要有两份或两份以上真正平行的测验。即两测验在题目内容、数量、形式、难度、区分度、指导语、时限、以及所用的例题、公式和测验的其它所有方面都应该相同或相似。若不一致，所得的信度就成了歪曲的估计。事实上，要编制两份完全等值的测验是不大可能的，即使是很有经验的测验编制者，也只能编制出基本等值的测验。
用复本法估计测验的信度的条件之二便是被试要有条件接受两个测验。这种条件主要取决于时间和经费等几个方面。
2.3 分半信度
2.3.1 含义与计算
在一种测验没有复本且只能实施一次的情况下，通常采用分半法估计信度。分半信度（split-half reliability）指的是将一个测验分成对等的两半，根据所有被试在这两半测验上所得分数的一致性程度。与复本相关法很类似，折半法是在同一时间施测，最好能对两半问题的内容性质、难易度加以考虑，使两半的问题尽可能有一致性。
分半信度系数可以和等值性系数一样解释。将同一量表中测验题目(项目内容相似)，折成两半(单数题、偶数题)，求这两个各半测验总分之相关系数。因为这两半测验基本上相当于最短时距施测验的两个平行的复本，由于只需要对一个测验进行一次施测，考察的是两半题目之间的一致性，所以这种信度系数有时也被称为内部一致系数。虽然分半信度也可当作内部一致性的测量，但我们将归类为等值的特例，与其它等值性测量唯一不同之处是在测验施测后才分成两个。
分半信度的计算方法和等值复本信度的计算方法类似，只不过被试在两半测验上得分的相关系数只是半个测验的信度。由于在其它条件相等的情况下，测验越长，信度越高，因此必须用“斯皮尔曼——布朗公式”进行校正：
γXX =2 γhh / (1 +γhh )
式中γXX为整个测验的信度，γhh为两半测验分数间的相关系数。
斯——布公式的假定是两半测验分数的变异数相等，但实际资料未必能够符合这一假定。当两半测验不等值时，分半信度往往被低估。在这种情况下，可采用弗朗那根公式或卢伦公式：
弗朗那根（Flanagan）公式：
γXX = 2 [ 1 -（Sa2+S b2）/S x2]
公式中Sa2和Sb2分别表示所有被试在两半测验上得分的变异数，Sx2表示全体被试在整个测验上的总得分的变异数。
卢伦（Rulon）公式：
γXX = 1 -S d2 / S x2
公式中Sd2表示同一组被试在两半测验上得分之差的变异数，其它符号与上
公式一样。
2.3.2 使用的前提条件及范围
分半信度通常是在只能施测一次或没有复本的情况下使用。而且，在使用斯——布公式时要求全体被试在两半测验上得分的变异数要相等。当一个测验无法分成对等的两半时，分半信度不宜使用。
由于将一个测验分成两半的方法很多（如：按题号的奇偶性分半、或按题目的难度分半、或按题目的内容分半等），所以，同一个测验通常会有多个分半信度值。
2.4 同质性信度
2.4.1 含义
同质性信度（homogeneity reliability）也叫内部一致性系数，它是指测验内部所有题目间的一致性程度。这里的一致性是指题目分数的一致，而不是题目内容或形式的一致。因此，若测验的各个题目得分有较高的正相关时，不论题目内容和形式如何，测验为同质的。题目内部的一致性主要受两方面变异的影响：内容的同质性与所研究的行为的同质性。所以同质性信度就是一个测验所测内容或特质的相同程度。
当一个测验具有较高的同质性信度时，说明测验主要测的是某一单个心理特质，实测结果就是该特质水平的反映。如果一个测验同质性信度不高，则说明测验结果可能是几种心理特质的综合反映，这时，测验的结果不好解释。一种好的办法是把一个异质的测验分解成多个具有同质性的分测验，再根据被试在分测验上的得分分别作出解释。
测量单一特质是同质性信度高的必须条件，要非充分条件。反过来，同质性高才是测验测得单一特质的充分条件。我们讨论同质性信度的目的就在于判断一个测验是否测到单一特质，以及估计所测到特质的一致性程度。但与前面几种信度估计不同，并不是所有心理测验都要求较高的同质性信度。在什么情况下需要考察题目的同质性，取决于测量目的。一般用于预测的测验或学绩测验可不考虑同质性。而在提出或验证某种心理学理论的构想和假设时，却要求对所研究的心
理特质或构想作出“纯粹”的测量，否则便不能由测验分数作出意义明确的推论。可见，同质性测验是发展心理学理论所必需的。
此外，测验的同质性不但与信度有关，也与效度有关，特别是与构想效度关系十分密切。
2.4.2 计算及适用范围
对同质性信度的估计，主要有库——理信度、克伦巴赫α系数和荷伊特信度。
2.4.2.1库德——理查逊公式
库德（G.F.Kuder）和理查逊（M.W.Richardson）提出一种分析题目间一致性以估计信度的方法，最常用的是
K-R20公式：
γXX =[ K /（K - 1）] [1 -（∑ p i q i）/ S x2]
式中K表示整个测验的题数，pi为通过一题目的人数比例，qi为未通过一题目的人数比例，Sx2为测验总分的变异数。K-R20公式仅适用于题目是二分记分（0、1）的测验，即答对一题很一分，答错无分的测验。当各题难度相近的情况下，可用公式K-R21。
K-R21公式：
γXX =[ K /（K - 1）] [1 -（K? p i?q i）]/ S x2
= [K S x2 -?X（K-?X）] / [（K - 1）S x2]
式中? pi为题目的平均通过率，?qi为未通过率，?X为测验总分的平均数，其它字母的意义与K-R20相同。
[例] 张老师在任教班级施测50题的测验（每题对得1分，错为0分），并求出平均分为40分，标准差为6分。该测验的信度是多少？
K-R21公式虽然计算较为简单，但求得的信度系数有低估的倾向，当题目难度相差较大时，偏差更大。
2.4.2.2克伦巴赫α系数
库德—理查逊公式只适用于答对一题得一分，答错无分的测验，不适用于多重记分的测验。针对这一需要，克伦巴赫(L.J.Cronbach)另创α系数，其公式如下：
α =[ K /（K - 1）] [1 -（∑ S i2）/ S x2]
式中为某一项目分数的变异数，其它字母意义与K-R20公式相同。当题目与二分法计分时，∑ Si2=∑ pi qi，所以K-R20公式可以当作α系数的特例。
[例]某态度量表共7题，100个被试在各题上得分的方差分别是0.81、0.82、0.79、0.83、0.85、0.76、0.77，测验总分的方差为14.00，则此测验的α信度是多少？
用库德——理查逊公式和克伦巴赫α系数所求得的信度通常比分半信度低。且这些公式不适用于速度测验，因为只有每个人都做完全部题目，题目的变异数才是准确的。
2.4.2.3荷伊特信度
1941年荷伊特(C.Hoyt)提出用方差分析来衡量测验内部一致性的方法。
一组测验分数的总变异数可划分为三个来源：人与人之间的差别，题目间的差别以及人与题目交互作用的差别。真正变异数可以从人与人之间的差别来估计，测量误差变异数可从人与题目之间的交互作用来估计。荷伊特信度的估计公式为：
γXX = 1 -MS人?题/ MS人
式中MS人是同人与人间差别有关的均方，MS人?题是同人与题目交互作用有关的均方。
2.5 评分者信度
2.5.1 含义及计算
心理测验一般都有一套标准化的评分程序，尤其是客观题，由评分引起的误差变异是可以忽略的。但在教育测量中，有很多测验是无法完全客观记分的。对这些无法进行完全客观记分的测量工具而言，评分者之间的变异也是误差的重要来源之一。如高考的作文题的评分，必然会涉及到评分者的主观判断，受评分者的喜好与水平等的影响。因此，有必要考察这些测验的评分者之间评分的一致性程度，即评分者信度（scorer reliability）。
考察评分者信度的方法是，随机抽取相当份数的试卷，由两位评分者按记分要点分别给分，然后根据每份测验卷的两个分数计算其相关系数，即评分者信度。
一般要求在成对的受过训练的评分者之间平均一致性达到0.90以上，才认为评分是客观的。
当多个评分者评多个对象，并以等级法计分时，还可以采用肯德尔和谐系数作为评分者信度的估计。公式如下：
W =12[ ∑R i2- (∑R i) 2 / N] / [ K2（N3- N）]
式中K是评分者人数，N是被评的对象数（考卷数），Ri是第i个对象被评等级的总和。
当评分者（K）为3-20人，被评对象（N）为3-7人的小样本时，可利用肯德尔和谐系数表来考验W是否达到显著水平，显著就说明评分是较为一致的。
当N大于7时，可计算χ2值，公式是：χ2= K（N - 1）W，然后查χ2值表，如果χ2值达到显著水平，则W也达到显著水平。
2.5.2举例
有A、B、C三位教师给6篇作文评分，结果如下，试求评分者信度。
1 2 3 4 5 6
A 25 30 27 20 28 32
B 22 26 21 20 25 30
C 15 20 18 14 21 22
3影响测量信度的因素
测量信度是测量过程中随机误差大小的反映。随机误差大，信度就低，随机误差小，信度就高。因此，在测量过程中凡是能引起测量误差的因素都会影响测量信度，这些因素主要有：
3.1被试因素
被试的身心健康状况、应试动机、注意力、耐心、求胜心、作答态度等会影响被试心理特质水平的稳定性。
3.2 主试因素
不按规定实施测验，制造紧张气氛，给予特殊的协助，评分主观等。
3.3 测验内容因素
试题取样不当，内部一致性低，题数过少，题意模糊等。
3.4测验情境因素
测验现场条件，如通风、温度、光线、噪音、桌面好坏等都有影响。
除此之外，还有以下几个因素会影响信度系数的大小：
3.5被试样本
（1）整个团体内成员的异质性影响测验信度。成员特质分布的范围越广（即越异质），其信度系数也越大。
这是因为，在同质团体中，被试彼此水平接近，两次测验成绩差异主要受随机因素影响，这次可能甲高于乙，下次可能却是乙高于甲，偶然性很大，因此相关很低。但在异质团体中，水平高者两次分数都高，水平低者两次分数都低，虽然处于同一水平的被试其分数也受机遇影响，但从总体来看，两次分数的相关是很高的。所以团体越异质，相关便越显著。
由于信度系数与被试的团体异质性有关，因此，如果一个测验手册中所报告的信度系数是从全体中、小学生的样本中得到的，我们不能认为把该测验用于小学某一年级的团体时也能得到同样高的信度。
团体异质性不同，分数的标准差也不同。当将测验用于标准差不同的团体时，可用下面的公式推算出新的信度系数：
γnn = 1 -S o2(1-γoo )/S n2
式中So为信度系数已知的分布的标准差，Sn2为信度系数未知的分布的标准差，γoo为用于原团体的信度，γnn为用于异质程度不同的团体时的信度。
[例] 一个测验应用于全体小学生的样本（常模样本），其分数的标准差为10，信度系数为0.90，假如将此测验应用于小学五年级，其分数标准为5。其信度系数估计值为多少？
（2）团体的平均水平也会影响测验的信度。这是因为，对于不同水平的团体，题目具有不同的难度。每个题目在难度上的微小差异累积起来便会影响信度。另外，在选择题测验中，对于较年幼或能力较低的被试，分数受猜测影响较大，因此信度相对要低些。一般对这样的被试不宜使用选择题测验。
3.6 题目因素
（1）题目的数量
题目的数量（即测验的长度）也是影响信度系数的一个因素。一般说来，在一个测验中增加同质的题目，可以使信度提高。因为增加测验的长度可以加大分数范围。题目数量增多，在每个题目上的随机误差互相抵消，比如投篮，投一个有偶然性，投100个其命中率就基本上反映了一个人的稳定水平。增加测验长度的效果可以用斯皮尔曼——布朗公式的通式来计算：
γKK =K γ XX / [1 +（K-1）γ XX ]
式中K为改变后的长度与原来长度之比，γ XX为原测验的信度，γKK为测验长度是原来K倍时的信度估计。
[例] 有一个包括10个题目的测验，信度为0.50，若把测验增加到50个题目，其信度将增加到多少？
用同样方法可以算出题目数量继续增加时，相关系数的值如表：
可以看出，虽然增加题目可以提高信度，但并不是越多越好，增加测验长度的效果遵循报酬递减率。测验过长是得不偿失的，有时还会引起被试的疲劳和反感而降低可靠性。
此外，只有当新题目是与原题目具有同质性时，增长测验才能改进信度。
（2）测验难度
测验的难度与信度间没有简单的关系。但若测验太难或太易，则使测验分数的分布范围缩小，从而使信度降低。这表明，要使信度达到最高，能产生最广分数分布的难度水平才是最合适的。
为达到最理想的分数分布，难度水平多高才是最合适的呢？洛德（Lord）提
3.7 间隔时间
以重测法或复本法求信度时，两次测验相隔时间越短，其信度系数越大；间
隔时间越长，其它变量介入的可能性越大，受外界影响也越多，信度系数也就越低。
4 SPSS信度分析范例操作
目前最常用的是Alpha信度系数法，一般情况下主要考虑量表的内在信度——项目之间是否具有较高的内在一致性。通常认为，信度系数在0-1之间，如果量表的信度系数在0.9以上，表示量表的信度很好；如果量表的信度系数在0.8-0.9之间，表示量表的信度可以接受；如果量表的信度系数在0.7-0.8之间，表示量表有些项目需要修订；如果量表的信度系数在0.7以下，表示量表有些项目需要抛弃。通过SPSS软件对调查问卷进行信度分析，则可以判断一个调查问卷是否具有稳定性和可靠性。
4.1 Alpha信度分析
对兵团广播电视大学“人才培养模式改革和开发教育试点”毕业生追踪调查进行分析。
（一）堆量表进行纬度划分，将量表分为知识、能力、业绩三个纬度。其中，第1-4题划分为知识纬度，第5-12题划分到能力纬度；第13-15题划分到业绩纬度。通过每一纬度的Alpha系数来考察每一项得分间的一致性。
1、打开SPSS软件，调入930条记录的数据文件，进入SPSS主界面。
2、在知识纬度中，对项目（1）专业知识的掌握；（2）所学知识与工作岗位的实际需要；（3）知识面的拓宽；（4）专业水平的提高；进行内部一致性分析。
①单击“分析”菜单中的“尺度分析”，再在“尺度分析”的子菜单中点击“可靠性”分析，打开“可靠性分析”的主对话框。
②在左侧的源变量框中选择上述四个项目对应的变量C1、C2、C3、C4加入到对话框右边的“项目”中，作为分析变量，再在对话框下面的“模型”中选择“Alpha”，进行Alpha信度分析；
③点击对话框中的“统计量”按钮，打开相应的对话框，选择要输出的统计量、变量描述、方差分析、总结等。在这个例题中为了看的清楚，采用默认方式，即只输出样本个数、项目个数和信度系数。
④点击“继续”按钮，回到“可靠性分析”的主对话框，勾选列出“项目标签”，再点击“确定”按钮，这样软件系统就会自动进行四个项目的分析。
3、由分析结果可知，量表中第1-4题之间的Alpha信度系数为0.7387，可见这四项的信度系数在0.7-0.8之间，表明有些项目需要修订。可以将“知识面的拓宽”与“所学知识与工作岗位的实际需要”进行相关分析，再将“知识面的拓宽”和“专业水平的提高”进行相关分析，发现她们之间的相关系数都很低，所以可以适当修改“知识面的拓宽”这个项目，限定它的范围，提高它的精确程度。
（二）利用上述方法可以对知识、能力这两个维度进行内部一致性的分析，得出三个纬度的Alpha系数分别是：0.7387、0.8412、0.7510.由此可见，第一个和第三个的信度系数均在0.7-0.8之间，说明知识和业绩这两个纬度有些项目还不够精确，需要进一步调整和修改。能力纬度的信度系数在0.8-0.9之间，说明信度可以接受，不需要进行修订。
（三）再利用上述方法对整个量表的所以项目进行内部一致性分析，得出问卷总的内部一致性信度系数为0.9001，说明量表的信度非常好，整体上不需要进行修改，每个项目都可以保留。
通过这一实例可以看出，用SPSS软件进行调查问卷的可靠性分析非常方便，不仅能考察项目间的一致性，还能够检验出需要修改或删除的项目，提高了调查问卷的质量。
（四）小结
利用SPSS软件进行Alpha信度分析，使研究建立在定量分析的基础之上，科学有效的对问卷进行了信度分析，减少了复杂繁琐的计算，方便了工作和研究，这样才能使调查问卷得出比较客观的综合评价。
4.2 双样本平均数考验(独立样本)
某两班各10/8名学生修习英语会话课之沟通测略课程后期末成绩如下，请问这两班同学统计成绩是否有所差异？
Step1. 开启SPSS—选 TYPE IN DATA—按OK
Step2. 进入VARIABLE VIEW—键入变项
Step 3. 进入 DATA VIEW—键入组别及成绩数据
Step 4. 进入 DATA VIEW—选取统计分析—比较平均数—独立样本t检定
Step 5. 选择欲分析检定变量(依变量) 与分类变量 (自变量)
Step 6. 于选项中输入信心水平
Step 7. 报表输出
结果说明：
两样本平均数各为84.20与80.25
p=0.363>0 .05 未达显著差异(表示两班成绩无明显差异)
第二节信度和效度分析 一、信度分析 与预测试数据分析方法一样，为了确保问卷的可靠性，先进行信度分析，信度检验指标在前面已详细述，在此不再述。问卷信度分析如表4-2所示： 表4-2：量表信度检验结果
经过SPSS24.0数据统计软件分析得知个变量Cronbach's α均大于0.6，且组合信度在0.792以上，说明所有问卷都具备可靠性，能够较好的反应变量的真实情况。 二、效度检验 （一）容效度 为了确保调研问卷容的有效性，问卷量表通过文献研究先初步圈定问卷容，所用量表大多采用国外已经开发出的成熟量表，对于这部分量表，本文给予直接采用的方式，其余量表则是在前人研究的基础上，根据本文的研究目的和方向进行谨慎的拟定。因此，本问卷具有容效度。 （二）结构效度 在测量结构效度时，通常采用探索性因子分析。在进行因子分析时，通常采
用主成分分析法，主成分分析的目的在于利用变量间的线性组合来解释每个层面的方差，变量的第一个线性组合可以解释最大的变异量，以此类推，所以主成分分析法的步骤是，选取特征值大于1的因子，然后利用方差最大旋转法进行旋转，使得旋转后题目在各个因子的负荷量大小出现明显差异，大部分题目在每个公共因子中有一个差异较大的因子负荷量出现。但在因子分析之前需要进行KMO值和Bartlett球形检验，只有当KMO>0.5且Bartlett球形检验的Sig.值小于0.05时，问卷才具有结构效度，才能够进行因子分析。本研究中对三个量表进行的结构效度分析具体情况如下。 （1）虚拟品牌社群价值的效度检测 1.1虚拟品牌社群价值的KMO值和Bartlett球形检验 在对虚拟品牌社群价值做因子分析之前，先做KMO值和Bartlett球形检验，检测结果如表4-3所示： 表4-3：虚拟品牌社群价值的KMO值和Bartlett检验 取样足够度的Kaiser-Meyer-Olkin度量.901 Bartlett的球形度检验近似卡方4892.820 df 186 Sig. .000 通过对虚拟品牌社群价值量表的14个题项进行KMO检验和Bartlett球形检验，发现虚拟品牌社群价值量表的KMO值为0.901，表明各个变量之间的相关系数非常高，适合做因子分析，同时Sig.值为0.000<0.05，达到显著性水平，综上可以得出虚拟品牌社群价值量表适合做因子分析。
信度与效度分析步骤（可编辑） 如何用spss做问卷的结构效度分析, 因子分析里面Descriotives里面KMO和巴特利检验就可以了吗,除此之外，还要做什么啊,请高手赐教点简单易懂又能说明效度问题的，谢谢啦～问题补充: 提取因子的个数怎么确定,是选特征值大于1的吗,还有，因子载荷怎么算,是 在输出结果中直接可以看到吗,本人刚接触spss，请多多指教～ 首先必须要做KMO和Bartlett球形检验,这个你应该会了吧,如果这两个检验 合格的话说明数据是适合做因子分析的。 然后提取因子后，看主因子解释总变异的百分比和个因子的因子载荷，主因子解释总变异一般若大于60[%]的和因子载荷大于0.6的话说明结构效度很好。 pS: ,如果题目没有规定就是选特征值大于1的,如果题目事先要提取几个因子,那么在操作的时候,用SPSS那个因子分析的选项里面有一个地方可以著名，因子载荷在输出的结果直接可以看到(rotated compoment matrpx),一定要是旋转后的因子载荷 用spss进行效度分析? 我要对我的问卷调查数据做一个信度和效度分析。信度分析我会了，就是看Cronbach’s Alpha 系数。效度分表面效度、准则效度和构建效度，前面两项只要说明一下，但是构建效度要用SPSS分析，我想是在因子分析里面吧,就是不知道哪个值代表效度。 因子分析的效度分析主要的指标可以看，因子提取的方差累积贡献率，如果因子提取的越少且方差累积率又不低的话(一般如果2个因子达到40[%]以上的贡献率就算可以的了)，就可以认为因子分析的效度还可以。
除此之外，你可以用因子分析里面Descriotives里面KMO和巴特利检验(battele，不知道是不是这样写的)，KMO的值如果 0.5，则说明因子分析的效度还行，可以进行因子分析;另外，如果巴特利检验的P 0.001，说明因子的相关系数矩阵非单位矩阵，能够提取最少的因子同时又能解释大部分的方差，即效度可以。 问:问卷效度测验如何应用于SPSS 问卷效度测验如何应用于SPSS,然后因为做效度检验貌似要用皮尔逊相关还是因子分析,所以不懂如何把这些应用于SPSS，不想要变量，想要整体，一个整体。 用因子分析，就已经是在检验变量的整体了 因子分析就是用少数几个因子来描述许多指标或因素之间的联系，以较少几个因子反映原资料的大部分信息的统计方法。 三、因子分析的SPSS过程 第一步:准备数据文件，打开对话框，加载观测变量。数据文件主要是由较多的(一般在10个以上)可观测变量组成，个案数应比较大。然后点击“Analyze” ，选择“Data Reduction” 中的“Factor”打开因子分析对话框，将参与分析的所有观测变量加载到“Variables”下边的方框中。 第二步:点击“Descriptives…”设置描述性统计要求。这里关键的是要求输出因子分析适合度的检验，一般要求输出:计算相关系数矩阵(选中Coefficients)、相关系数显著性水平矩阵(选中Significance levels)、反像相关矩阵检验 ( 选中Anti-image ) 、KMO 和巴特利特球形检验( 选中 KMO and Bartlett’s test of sphericity)。 第三步: 点击“Extraction”打开对话框设置因子提取方式。在界定因子提取方法中需要设置以下几个方面的参数:
信度分析和效度分析数据计分方法说明
讲问卷调查的数据进行如上表的数据预处理后，接下来再进行如下分析。 1 信度分析 这里有63份问卷，首先我们需要的判定的是问卷中的调查题目能否反映调查的目的和调查的意图，问卷中的各个问题是否测量了相同的内容和信息；同时，对于调查问卷所得到的数据是否具有可靠性，就必须在对问卷分析之前做信度分析。信度本身与测量结果的正确与否无关，它的用途在于检测问卷本身的稳定性。信度分析中常用Cronbach α系数的大小来衡量调查问卷的信度。一般而言，如果问卷的信度系数达到0.9以上，该问卷调查的信度就较好；信度系数在0.8以上，是不错的；一般认为试卷信度在0.5至0.9以内是合理的，如果信度系数低于0.5，则此问卷的调查结果就不可信了。 将以上63份问卷的数据用SPSS21.0先进行标准化处理，再进行信度分析，其结果如表一所示： 表一信度分析表
表一显示，整体问卷和问卷中的各个维度的Cronbach's Alpha系数值均大于0.6，所以可以推断此问卷的可信度一般，该评价问卷只具有很较高的内在一致性。 2 效度分析 具备信度的问题不一定具备效度，因此做完信度分析，再用SPSS21.0对其进行效度分析。 2.1 因子模型适应性分析 效度分析使用的是因子分析模型，在运用因子模型分析之前，首先要对问卷数据进行因子模型适应性分析，分析结果如下表所示： 表二 KMO 和 Bartlett 的检验 KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。 .657 Bartlett 的球形 度检验近似卡方 1187.63 6 df465 Sig..000
如何用spss做问卷的结构效度分析？ 问：因子分析里面Descriotives里面KMO和巴特利检验就可以了吗？除此之外，还要做什么啊？请高手赐教点简单易懂又能说明效度问题的，谢谢啦！ 问题补充： 提取因子的个数怎么确定？是选特征值大于1的吗？还有，因子载荷怎么算？是在输出结果中直接可以看到吗？本人刚接触spss，请多多指教！ 答： 首先必须要做KMO和Bartlett球形检验,这个你应该会了吧,如果这两个检验合格的话说明数据是适合做因子分析的。 然后提取因子后，看主因子解释总变异的百分比和个因子的因子载荷，主因子解释总变异一般若大于60%的和因子载荷大于0.6的话说明结构效度很好。 pS: ,如果题目没有规定就是选特征值大于1的,如果题目事先要提取几个因子,那么在操作的时候,用SPSS那个因子分析的选项里面有一个地方可以著名，因子载荷在输出的结果直接可以看到（rotated compoment matrpx),一定要是旋转后的因子载荷 用spss进行效度分析? 我要对我的问卷调查数据做一个信度和效度分析。信度分析我会了，就是看Cronbach’s Alpha 系数。效度分表面效度、准则效度和构建效度，前面两项只要说明一下，但是构建效度要用SPSS分析，我想是在因子分析里面吧？就是不知道哪个值代表效度。 答： 因子分析的效度分析主要的指标可以看，因子提取的方差累积贡献率，如果因子提取的越少且方差累积率又不低的话（一般如果2个因子达到40%以上的贡献率就算可以的了），就可以认为因子分析的效度还可以。 除此之外，你可以用因子分析里面Descriotives里面KMO和巴特利检验（battele，不知道是不是这样写的），KMO的值如果>0.5，则说明因子分析的效度还行，可以进行因子分析；另外，如果巴特利检验的P<0.001，说明因子的相关系数矩阵非单位矩阵，能够提取最少的因子同时又能解释大部分的方差，即效度可以。 问:问卷效度测验如何应用于SPSS 问卷效度测验如何应用于SPSS,然后因为做效度检验貌似要用皮尔逊相关还是因子分析,所以不懂如何把这些应用于SPSS，不想要变量，想要整体，一个整体。 用因子分析，就已经是在检验变量的整体了 因子分析就是用少数几个因子来描述许多指标或因素之间的联系，以较少几个因子反映原资料的大部分信息的统计方法。三、因子分析的SPSS过程 第一步：准备数据文件，打开对话框，加载观测变量。数据文件主要是由较多的（一般在10个以上）可观测变量组成，个案数应比较大。然后点击“Analyze” ，选择“Data Reduction” 中的“Factor”打开因子分析对话框，将参与分析的所有观测变量加载到“Variables”下边的方框中。
附件6、 难度、区分度、信度和效度的一般说明 一、难度 难度是指试题的难易程度，它是衡量试题质量的一个重要指标参数，它和区分度共同影响并决定试卷的鉴别性。 一般认为，试题的难度指数在0.3－0.7之间比较合适，整份试卷的平均难度最好在0.5左右，高于0.7和低于0.3的试题不能太多。 1、难度的两种定义 （1）P=1－x/w 其中：x为某题得分的平均分数，w为该题的满分。 这种定义法，难度值小时表明试题容易，值大时表明试题难，最小值为0，最大值为1。 （2）P=x/w 这种定义法，难度值小时表明试题难，值大时表明试题容易，最小值为0，最大值为1。 2、难度的计算 （1）主观性试题的难度 A、基本公式法：P=1－x/w B、极端分组法P=1－(XH+XL)/2W 其中：XH为高分组的平均得分（前27%），XL为低分组的平均得分（后27%）。
（2）客观性试题的难度 A、基本公式法：P=1－R/N 其中：R为答对人数，N为全体人数。 B 极端分组法：P=1－（PH+PL）/2 其中：PH=RH/n叫高分组通过率，RH为高分组答对人数，n 为总人数的前27%。PL=RL/n 叫低分组通过率，RL为低分组答对人数。 二、区分度 区分度是区分应试者能力水平高低的指标。试题区分度高，可以拉开不同水平应试者分数的距离，使高水平者得高分，低水平者得低分。而区分度低则反映不出不同应试者的水平差异。 试题的区分度与试题的难度直接相关。通常来说，中等难度的试题区分度较大。另外，试题的区分度也与应试者的水平密切相关，试题难度只有等于或略低于应试者的实际能力，其区分性能才能充分显现出来。 1、区分度指标的评价 -1.00≤D≤+1.00，区分度指数越高，试题的区分度就越强。一般认为，区分度指数高于0.3，试题便可以被接受。 2、区分度的计算方法 （1）基本公式法：D＝（H－L）/N 其中：D代表区分度指数，H代表高分组答对题的人数，L代表低分组答对题的人数，N代表一个组的人数即高分组与低分组人数之
信度分析和效度分析数据计分方法说明 类别小分类 对应 题项每题计分方法维度计分方法 题 项 职业倦怠 情感枯竭 1-3 题 正向计分 全部题项直接加 总 3 去个性化 4-6 题 正向计分 全部题项直接加 总 3 个人成就感 7-10 题 逆向计分 全部题项取倒数 后加总 4 心理资本 11-18 题正向计分 全部题项直接加 总 8 组织气氛 19-26 题 21题为逆向计 分，其余题项正 向计分 21题取倒数后与 其余题项加总 8 总体幸福 感27-31 题 27题和31题为逆 向计分，其余题 项为正向计分 27和31题取到术 后与其余题项加 总 5 整体问卷 以上各个维度的 总分直接加总 31 讲问卷调查的数据进行如上表的数据预处理后，接下来再进行如下分析。 1 信度分析
这里有63份问卷，首先我们需要的判定的是问卷中的调查题目能否反映调查的目的和调查的意图，问卷中的各个问题是否测量了相同的内容和信息；同时，对于调查问卷所得到的数据是否具有可靠性，就必须在对问卷分析之前做信度分析。信度本身与测量结果的正确与否无关，它的用途在于检测问卷本身的稳定性。信度分析中常用Cronbach α系数的大小来衡量调查问卷的信度。一般而言，如果问卷的信度系数达到0.9以上，该问卷调查的信度就较好；信度系数在0.8以上，是不错的；一般认为试卷信度在0.5至0.9以内是合理的，如果信度系数低于0.5，则此问卷的调查结果就不可信了。 将以上63份问卷的数据用SPSS21.0先进行标准化处理，再进行信度分析，其结果如表一所示： 表一显示，整体问卷和问卷中的各个维度的Cronbach's Alpha系数值均大于0.6，所以可以推断此问卷的可信度一般，该评价问卷只具有很较高的内在一致性。 2 效度分析 具备信度的问题不一定具备效度，因此做完信度分析，再用SPSS21.0对其进行效度分析。 2.1 因子模型适应性分析 效度分析使用的是因子分析模型，在运用因子模型分析之前，首先要对问卷数据进行因子模型适应性分析，分析结果如下表所示： 表二 KMO 和 Bartlett 的检验 0.05的巴特利球型检验，说明问卷调查的数据非常适合做因子分析。 2.2 因子分析结果 在进行了适应性检验之后，接下来就进行因子分析，其结果如下： 表三方差贡献率
如何使用spss软件进行效度和信度分析 如果一个问卷设计出来无法有效地考察问卷中所涉及的各个因素，那么我们为调查问卷所作的抽样、调查、分析、结论等一系列的工作也就白做了。那么，我们如何来检验设计好的调查问卷是否有效呢？信度分析是评价调查问卷是否具有稳定性和可靠性的有效的分析方法。 二、信度分析的提出及分析方法 信度，又叫可靠性，是指问卷的可信程度。它主要表现检验结果的一贯性、一致性、再现性和稳定性。一个好的测量工具，对同一事物反复多次测量，其结果应该始终保持不变才可信[1]。例如，我们用一把尺子测量一张桌子的高度，今天测量得高度与明天测量的高度不同，那么我们就会对这把尺子产生怀疑。因此，一张设计合理的调查问卷应该具有它的可靠性和稳定性。 调查问卷的评价体系是以量表形式来体现的，编制的合理性决定着评价结果的可用性和可信性。问卷的信度分析包括内在信度分析和外在信度分析。内在信度重在考察一组评价项目是否测量同一个概念，这些项目之间是否具有较高的内在一致性。一致性程度越高，评价项目就越有意义，其评价结果的可信度就越强。外在信度是指在不同时间对同批被调查者实施重复调查时，评价结果是否具有一致性。如果两次评价结果相关性较强，说明项目的概念和内容是清晰的，因而评价的结果是可信的。信度分析的方法有多种，有Alpha信度和分半信度等，都是通过不同的方法来计算信度系数，再对信度系数进行分析[2]。 目前最常用的是Alpha信度系数法，一般情况下我们主要考虑量表的内在信度——项目之间是否具有较高的内在一致性。通常认为，信度系数应该在0～1之间，如果量表的信度系数在0.9以上，表示量表的信度很好；如果量表的信度系数在0.8～0.9之间，表示量表的信度可以接受；如果量表的信度系数在0.7～0.8之间，表示量表有些项目需要修订；如果量表的信度系数在0.7以下，表示量表有些项目需要抛弃。我们可以通过目前比较流行的SPSS软件对调查问卷进行信度分析，这样我们就可以判断一个调查问卷是否具有稳定性和可靠性。 三、利用SPSS软件进行信度分析 下面就以兵团广播电视大学“人才培养模式改革和开放教育试点”毕业生追踪调查[3]中《电大教学效果评价》（毕业生用）这一调查量表进行分析。量表见下图。 （一）对量表进行纬度划分，将量表分为知识、能力、业绩三个纬度。其中，第1～4题划分到知识纬度，第5～12题划分到能力纬度；第13～15题划分到业绩纬度。通过每一纬度的Alpha系数来考察每一项得分间的一致性。 1、打开SPSS软件，调入930条记录的数据文件，进入SPSS主界面。 2、在知识纬度中，对项目（1）专业知识的掌握；（2）所学知识与工作岗位的实际需要；（3）知识面的拓宽；（4）专业水平的提高；进行内部一致性分析。 ①单击“分析”菜单中的“尺度分析”，再在“尺度分析”的子菜单中点击“可靠性”分析，打开“可靠性分析”的主对话框。 ②在左侧的源变量框中选择上述四个项目所对应的变量c1，c2，c3，c4加入到对话框右边的“项目”中，作为分析变量，再在对话框下面的“模型”中选择“Alpha”，进行Alpha信度分析。 ③点击对话框中的“统计量”按钮，打开相应的对话框，选择要输出的统计量、变量描述、方差分析，总结等。在这个例题中为了看的清楚，我们用默认方式，即只输出样本个数、项目个数和信度系数。 ④点击“继续”按钮，回到“可靠性分析”的主对话框，勾选“列出项目标签”，再单击“确定”
用spss软件分析进行效度和信度分析具体的操作步骤 在SPSS中，专门用来进行测验信度分析的模块为Scale下的Reliability Analysis；使用Data Reduction之下的Factor模块，可以利用因素分析的方法来进行测验的建构效度检验；至于项目分析则没有专门的模块可以之间进行计算分析，但是却可以利用Summarize下的Frequencies、Correlate下的Bivariate 和Compare Mean下的Independent-Samples T Test来计算几个常用的项目分析指标。 3 m6 ]$ l8 a6 j w% K0 ^ 一、信度分析' M, k! n+ y# C Reliability Analysis模块主要功能是检验测验的信度，主要用来检验折半信度、库李及a系数以及Hoyt信度系数值。至于重测信度和复本信度，只需将样本在二次（份）测验的分数的数据合并到同一数据文件之后，利用Correlate之下的Bivariate求其相关系数，即为重测或复本信度；而评分者信度则就就是使用的Spearman等级相关及Kendall和谐系数。 表1 Reliability Analysis模块的Model选项的参数及对应中文术语3 V O/ m5 i% P; N6 l' a : `. P- I/ c: J9 X/ ~ 关键字功能 ; R% v( ?! T8 L) q* L$ ~ Alpha Cronbach a系数 Split-half 折半信度，n是第二分量表的题数 ( e3 N, N6 w4 l% N( d8 A3 c4 ] Guttman Guttman最低下限真实信度法0 o+ n; n/ ^2 d& B Parallel 各题目变异数同质时的最大概率（maximum-likelihood）信度3 Q( _- Z9 }( a Strict parallel 各题目平均数与变异数均同质时的最大概率信度7 p, x- S9 ?; J: p! k 5 H5 i7 h/ l7 Q) Q 表2 Reliability Analysis模块的Statistics部分选项的参数及对应中文术语 - X9 d% L( ~; ^5 L 关键字功能
s p s s数据分析教程之 s p s s信度分析和效度分 析 Prepared on 21 November 2021
信度分析和效度分析 数据计分方法说明 1 信度分析 这里有63份问卷，首先我们需要的判定的是问卷中的调查题目能否反映调查的目的和调查的意图，问卷中的各个问题是否测量了相同的内容和信息；同时，对于调查问卷所得到的数据是否具有可靠性，就必须在对问卷分析之前做信度分析。信度本身与测量结果的正确与否无关，它的用途在于检测问卷本身的稳定性。信度分析中常用Cronbach α系数的大小来衡量调查问卷的信度。一般而言，如果问卷的信度系数达到0.9以上，该问卷调查的信度就较好；信度系数在0.8以上，是不错的；一般认为试卷信度在0.5至0.9以内是合理的，如果信度系数低于0.5，则此问卷的调查结果就不可信了。 将以上63份问卷的数据用SPSS21.0先进行标准化处理，再进行信度分析，其结果如表一所示： 表一信度分析表
表一显示，整体问卷和问卷中的各个维度的Cronbach's Alpha系数值均大于 0.6，所以可以推断此问卷的可信度一般，该评价问卷只具有很较高的内在一致性。 2 效度分析 具备信度的问题不一定具备效度，因此做完信度分析，再用SPSS21.0对其进行效度分析。 2.1 因子模型适应性分析 效度分析使用的是因子分析模型，在运用因子模型分析之前，首先要对问卷数据进行因子模型适应性分析，分析结果如下表所示： 表二 KMO 和 Bartlett 的检验 KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。.657 Bartlett 的球形度检验近似卡方1187.636 df465 Sig..000 由上表的数据可知，问卷数据的KMO值为0.657，并且通过了显着性水平为0.05的巴特利球型检验，说明问卷调查的数据非常适合做因子分析。 2.2 因子分析结果 在进行了适应性检验之后，接下来就进行因子分析，其结果如下： 表三方差贡献率 解释的总方差 成份 初始特征值提取平方和载入旋转平方和载入 合计方差的 %累积 %合计方差的 %累积 %合计方差的 %累积 % 18.75228.23128.2318.75228.23128.231 4.93715.92615.926 2 3.25910.51438.745 3.25910.51438.745 3.76612.14828.074 3 2.7158.75847.503 2.7158.75847.503 2.9969.66637.740 4 2.2867.37454.877 2.2867.37454.877 2.7148.75646.496 5 1.51 6 4.89159.768 1.516 4.89159.768 2.5848.33554.831 6 1.342 4.32864.096 1.342 4.32864.096 2.076 6.69761.528 7 1.252 4.03868.134 1.252 4.03868.134 1.709 5.51167.040 8 1.053 3.39871.532 1.053 3.39871.532 1.393 4.49271.532 9.958 3.08974.620 10.880 2.84077.461 11.762 2.45979.920 12.714 2.30282.222 13.684 2.20784.429 14.623 2.01186.440 15.580 1.87088.309 16.509 1.64289.951
信度分析和效度分析 数据计分方法说明 类别 小分类 对应题项 每题计分方法 维度计分方法 题项 职业倦怠 情感枯竭 1-3题 正向计分 全部题项直接加总 3 去个性化 4-6题 正向计分 全部题项直接加总 3 个人成就感 7-10题 逆向计分 全部题项取倒数后加 总 4 心理资本 11-18题 正向计分 全部题项直接加总 8 组织气氛 19-26题 21题为逆向计分，其余题项正向计分 21题取倒数后与其余 题项加总 8 总体幸福感 27-31题 27题和31题为逆向计分，其余题项为正 向计分 27和31题取到术后与 其余题项加总 5 整体问卷 以上各个维度的总分 直接加总 31 讲问卷调查的数据进行如上表的数据预处理后，接下来再进行如下分析。 1 信度分析 这里有63份问卷，首先我们需要的判定的是问卷中的调查题目能否反映调查的目的和调查的意图，问卷中的各个问题是否测量了相同的内容和信息；同时，对于调查问卷所得到的数据是否具有可靠性，就必须在对问卷分析之前做信度分析。信度本身与测量结果的正确与否无关，它的用途在于检测问卷本身的稳定性。信度分析中常用Cronbach α系数的大小来衡量调查问卷的信度。一般而言，如果问卷的信度系数达到0.9以上，该问卷调查的信度就较好；信度系数在0.8以上，是不错的；一般认为试卷信度在0.5至0.9以内是合理的，如果信度系数低于0.5，则此问卷的调查结果就不可信了。 将以上63份问卷的数据用SPSS21.0先进行标准化处理，再进行信度分析，其结果如表一所示： 表一 信度分析表
类别Cronbach's Alpha项数 整体问卷.61731 职业倦怠.82210 心理资本.8018 组织气氛.8378 总体幸福感.6795 表一显示，整体问卷和问卷中的各个维度的Cronbach's Alpha系数值均大于0.6，所以可以推断此问卷的可信度一般，该评价问卷只具有很较高的内在一致性。 2 效度分析 具备信度的问题不一定具备效度，因此做完信度分析，再用SPSS21.0对其进行效度分析。 2.1 因子模型适应性分析 效度分析使用的是因子分析模型，在运用因子模型分析之前，首先要对问卷数据进行因子模型适应性分析，分析结果如下表所示： 表二 KMO 和 Bartlett 的检验 KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。.657 Bartlett 的球形度检验近似卡方1187.636 df 465 Sig. .000 由上表的数据可知，问卷数据的KMO值为0.657，并且通过了显著性水平为0.05的巴特利球型检验，说明问卷调查的数据非常适合做因子分析。 2.2 因子分析结果 在进行了适应性检验之后，接下来就进行因子分析，其结果如下： 表三方差贡献率 解释的总方差 成份初始特征值提取平方和载入旋转平方和载入
关于调查问卷的信度和效度检验 （一）信度 1、 信度的含义 测验的信度又称测验的可靠性 ，是指同一个测验对同一组被试施测两次或多次 ，所得结果 一致形程度。一个好的测验必须是稳定可靠的 ，多次使用所获得的结果是前后一致的。例 如，用直尺测量长度，其结果是稳定可靠的 ；用橡皮筋测长度则是不可靠的 ，前后测量 结果缺乏一致性。在测量理论中 ，信度被定义为：某次测验分数的真变异数与总变异数 ST2 （即实测分数）之比：R xx - S x 2 式中Rxx 表示测量的信度,ST -代表真分数的变异数 （方差）,Sx -表示实得分数的变异 数（方差）。 For pers onal use only in study and research; not for commercial use 从上式可看出，（1）信度是指实测值和真值相差的程度 ，实测值是指对某物实际进行测 量时所获得值 ，也称实测分数 （X ）;真值是指被测事物的真实规模取值 ，也称真分数 （T ）。由于各种原因，实得分数常不等于真分数 ，两者之差称为测量误差或误差分数 （E ）。从理论上看，实得分数由真分数和误差分数两部分组成即 :X=T+E Rxx 就是对一组测验数据的实测分数与真分数相差程度的最好估计。 （2 ）信度又是指相同的测验对相同的被试再次测量时引起的同样反应的程度。如果两次 测验中，受测者所得分数或所处等级前后一致 ，则说明测验结果的信度较高 ；反之，两 次测验结果一致性低 ，说明测验结果的信度低。 For pers onal use only in study and research; not for commercial use 信度是任何一种测量的必要条件 （但不是唯一条件 ）,只有测量值接近或等于真值 ，用同 一工具多次测量同一特性获得相同或相近的结果 ，才能认为这个测量结果是可靠的。 信度 对于教育测量尤其重要，只有信度高的教育测验才能成为教育工作者有用的工具 ，才能为 教育工作者提供可靠的信息，为教育预测和决策提供客观依据。 2、 信度的估计方法 测验的信度是用信度系数的大小来表示的 ，根据测量理论，信度系数 For pers onal use only in study and research; not for commercial use ST2 R xx S 2 但是在实际测量中，一般只能获得实得分数 （X ）及实得变异数 （Sx 2 ）,而真分数（T ）及 真变异数（ST 2 ）是不知道的，因此，依据上述公式还无法机算信度系数。在统计上 ，主 要采用相关分析的方法即机算两列变量的相关系数 ，用相关系数的大小来表示信度的高 低。主要用以下方法来求得信度 ：
信度分析和效度分析 数据计分方法说明 类别 小分类 对应 题项 每题计分方法 维度计分方法 题 项 情感枯竭 1-3题 正向计分 全部题项直接加总 3 职业倦怠 去个性化 4-6题 正向计分 全部题项直接加总 3 个人成就感 7-10 题 逆向计分 全部题项取倒数后 加总 4 心理资本 11-18 题 正向计分 全部题项直接加总 8 组织气氛 19-26 21题为逆向计分， 21题取倒数后与其 8 题 其余题项正向计分 余题项加总 总体幸福感 27-31 题 27题和31题为逆 向计 分，其余题项 为正向计分 27和31题取到术后 与其 余题项加总 5 整体问卷 以上各个维度的总 分直接 加总 31 讲问卷调查的数据进行如上表的数据预处理后，接下来再进行如下分析 1信度分析 这里有63份问卷，首先我们需要的判定的是问卷中的调查题目能否反映调查的目的和 调查的意图，问卷 中的各个问题是否测量了相同的内容和信息；同时，对于调查问卷所得到 的数据是否具有可靠性，就必须在对问卷分析之前做信度分析。信度本身与测量结果的正确 与否无关，它的用途在于检测问卷本身的稳定性。信度分析中常用 Cron bach a 系数的大小 来衡量调查问卷的信度。一般而言，如果问卷的信度系数达到 0.9以上，该问卷调查的信度 就较好；信度系数在0.8以上，是不错的；一般认为试卷信度在 0.5至0.9以内是合理的， 如果信度系数低于0.5，则此问卷的调查结果就不可信了。 将以上63份问卷的数据用SPSS21.0先进行标准化处理，再进行信度分析，其结果如表 一所示： 表一信度分析表 类别 Cronbach's Alpha 项数 整体问卷 .617 31 职业倦怠 .822 10 心理资本 .801 8 组织气氛 .837 8 总体幸福感 .679 5 表一显示，整体问卷和问卷中的各个维度的 Cron bach's Alpha 系数值均大于0.6，所以 可以推断此问卷的可信度一般，该评价问卷只具有很较高的内在一致性。
如何进行问卷信效度分析 问卷调查法是教育研究中广泛采用的一种调查方法，根据调查目的设计的调查问卷是问卷调查法获取信息的工具，其质量高低对调查结果的真实性、适用性等具有决定性的作用。为了保证问卷具有较高的可靠性和有效性，在形成正式问卷之前，应当对问卷进行试测，并对试测结果进行信度和效度分析，根据分析结果筛选问卷题项，调整问卷结构，从而提高问卷的信度和效度。信度和效度分析的方法包括逻辑分析和统计分析，本文主要讨论后者。 一、信度分析 信度（Reliability）即可靠性，它是指采用同样的方法对同一对象重复测量时所得结果的一致性程度。信度指标多以相关系数表示，大致可分为三类：稳定系数（跨时间的一致性），等值系数（跨形式的一致性）和内在一致性系数（跨项目的一致性）。信度分析的方法主要有以下四种： 重测信度法：这一方法是用同样的问卷对同一组被调查者间隔一定时间重复施测，计算两次施测结果的相关系数。显然，重测信度属于稳定系数。重测信度法特别适用于事实式问卷，如性别、出生年月等在两次施测中不应有任何差异，大多数被调查者的兴趣、爱好、习惯等在短时间内也不会有十分明显的变化。如果没有突发事件导致被调查者的态度、意见突变，这种方法也适用于态度、意见式问卷。由于重测信度法需要对同一样本试测两次，被调查者容易受到各种事件、活动和他人的影响，而且间隔时间长短也有一定限制，因此在实施中有一定困难。 复本信度法：复本信度法是让同一组被调查者一次填答两份问卷复本，计算两个复本的相关系数。复本信度属于等值系数。复本信度法要求两个复本除表述方式不同外，在内容、格式、难度和对应题项的提问方向等方面要完全一致，而在实际调查中，很难使调查问卷达到这种要求，因此采用这种方法者较少。 折半信度法：折半信度法是将调查项目分为两半，计算两半得分的相关系数，进而估计整个量表的信度。折半信度属于内在一致性系数，测量的是两半题项得分间的一致性。这种方法一般不适用于事实式问卷（如年龄与性别无法相比），常用于态度、意见式问卷的信度分析。在问卷调查中，态度测量最常见的形式是5级李克特（Likert）量表。进行折半信度分析时，如果量表中含有反意题项，应先将反意题项的得分作逆向处理，以保证各题项得分方向的一致性，然后将全部题项按奇偶或前后分为尽可能相等的两半，计算二者的相关系数（rhh，即半个量表的信度系数），最后用斯皮尔曼-布朗（Spearman-Brown）公式，求出整个量表的信度系数（ru）。 α信度系数法：Cronbach α信度系数是目前最常用的信度系数。其中，K为量表中题项的总数，为第i题得分的题内方差，为全部题项总得分的方差。从公式中可以看出，α系数评价的是量表中各题项得分间的一致性，属于内在一致性系数。这种方法适用于态度、意见式问卷（量表）的信度分析。 二、效度分析 效度（Validity）即有效性，它是指测量工具或手段能够准确测出所需测量的事物的程度。效度分为三种类型：内容效度、准则效度和结构效度。效度分析有多种方法，其测量结果反映效度的不同方面。常用于调查问卷效度分析的方法主要有以下几种： 单项与总和相关效度分析：这种方法用于测量量表的内容效度。内容效度又称表面效度或逻辑效度，它是指所设计的题项能否代表所要测量的内容或主题。对内容效度常采用逻辑分析与统计分析相结合的方法进行评价。逻辑分析一般由研究者或专家评判所选题项是否“看上去”符合测量的目的和要求。统计分析主要采用单项与总和相关分析法获得评价结果，即计算每个题项得分与题项总分的相关系数，根据相关是否显著判断是否有效。若量表中有反意题项，应将其逆向处理后再计算总分。 准则效度分析：准则效度又称为效标效度或预测效度。准则效度分析是根据已经得到确定的某种理论，选择一种指标或测量工具作为准则（效标），分析问卷题项与准则的联系，若二者相关显著，或者问卷题项对准则的不同取值、特性表现出显著
问卷调查的信度与效度分析图解 蒋智钢 前几天有朋友要我帮忙算下调查问卷的信度和效度，看了一下后才发现原来这个问题是很多人都会碰到的，似乎有必要写那么一丁点东东。 对于从医还要涉及那么点科研的人来说，问卷调查是许多人都不可避免要做的一项工作，无论你是要做毕业课题，还是要完成一项基金项目，甚至好多人的课题的核心就是做一个问卷调查，那么，你把问卷设计好了，也发出去了，或者结果也统计出来了，但是，问你一句：你的结果可靠吗？你的问卷合格吗？怎么回答？ 判断一份用于调查的问卷是否合格是有指标的，也就是我今天要提到的这2个：信度和效度。顾名思义，信度嘛，当然是指调查问卷的可信程度；效度呢，就是指问卷的有效性，二者各取一字成其名。好了，闲话到此打住，直接进入正题，怎么个算法。 1. 先算信度，这个指标是用Cronbach α信度系数来评价的，其实信度系数还有好多个，但是，我们一般就考虑量表的内在信度【这里的量表也就是调查表啦】，简言之，就是项目之间是否具有较高的内在一致性，所以，就算这个Cronbach α就好了。再啰嗦一句：这个α在0~1之间，α>0.8时，表示量表信度很好；0.7~0.8之间，表示量表的信度可以接受；如果是在0.6~0.7范围内，表示量表也可以接受但需改进。 计算的方法很简单，打开SPSS，把你的数据都输入进去即可，当然，数据的输入也是有技巧的，你可以在excel里面先输入数据然后再导入，我比较喜欢这种方式。但是要记住，一列代表一个指标或者称之为“维度”，换言之也就是你的问卷里面的一个具体的题目，有多少个问题就对应多少列，一行代表一个调查对象。数据都弄好之后，在SPSS中点“Analyze-Scale-Reliability Analysis…”进行计算，剩下的不打字了，自己看图吧。 你的问卷调查表的数据可能与下面的类似：【这些数据是我随便弄的，这里只讲方法，不论结果好坏！】
信度分析和效度分析 本问卷分析的方法全部参考谦瑞数据分析服务有限公司提供的问卷分析，如果对下面文章中涉及到的统计方法不太明白的可以到https://www.doczj.com/doc/8015835460.html,中详细学习。 数据计分方法说明 类别小分类对应题项每题计分方法维度计分方法题项 职业倦怠 情感枯竭1-3题正向计分全部题项直接加总 3 去个性化4-6题正向计分全部题项直接加总 3 个人成就感7-10题逆向计分全部题项取倒数后加总 4 心理资本11-18题正向计分全部题项直接加总8 组织气氛19-26题 21题为逆向计 分，其余题项正 向计分 21题取倒数后与其余题项 加总 8 总体幸福感27-31题27题和31题为 逆向计分，其余 题项为正向计分 27和31题取到术后与其余 题项加总 5 整体问卷以上各个维度的总分直接 加总 31 讲问卷调查的数据进行如上表的数据预处理后，接下来再进行如下分析。 1 信度分析 这里有63份问卷，首先我们需要的判定的是问卷中的调查题目能否反映调查的目的和调查的意图，问卷中的各个问题是否测量了相同的内容和信息；同时，对于调查问卷所得到的数据是否具有可靠性，就必须在对问卷分析之前做信度分析。信度本身与测量结果的正确与否无关，它的用途在于检测问卷本身的稳定性。信度分析中常用Cronbach α系数的大小来衡量调查问卷的信度。一般而言，如果问卷的信度系数达到0.9以上，该问卷调查的信度就较好；信度系数在0.8以上，是不错的；一般认为试卷信度在0.5至0.9以内是合理的，如果信度系数低于0.5，则此问卷的调查结果就不可信了。 将以上63份问卷的数据用SPSS21.0先进行标准化处理，再进行信度分析，其结果如表一所示： 表一信度分析表 类别Cronbach's Alpha项数 整体问卷.61731 职业倦怠.82210 心理资本.8018 组织气氛.8378 总体幸福感.6795
实用标准文案 做问卷的结构效度分析？如何用spss还要做什么啊？请高手赐教点简单易懂又能KMO和巴特利检验就可以了吗？除此之外，问：因子分析里面Descriotives里面说明效度问题的，谢谢啦！问题补充： 因子载荷怎么算？是在输出结果中直接可以看到吗？本人刚接触的吗？还有，提取因子的个数怎么确定？是选特征值大于1 ，请多多指教！spss答：如果这两个检验合格的话说明数据是适合做因子分析的。这个你应该会了吧,Bartlett首先必须要做KMO和球形检验,0.660%的和因子载荷大于然后提取因子后，看主因子解释总变异的百分比和个因子的因子载荷，主因子解释总变异一般若大于的话说明结构效度很好。 那个因子分析的选项SPSS那么在操作的时候,用如果题目没有规定就是选特征值大于1的,如果题目事先要提取几个因子,pS: , 一定要是旋转后的因子载荷因子载荷在输出的结果直接可以看到（rotated compoment matrpx),里面有一个地方可以著名，? spss进行效度分析用系数。效度分表面效度、准Cronbach's Alpha 我要对我的问卷调查数据做一个信度和效度分析。信度分析我会了，就是看分析，我想是在因子分析里面吧？就是不知道哪个值代SPSS则效度和构建效度，前面两项只要说明一下，但是构建效度要用表效度。答：因子分析的效度分析主要的指标可以看，因子提取的方差累积贡献率，如果因子提取的越少且方差累积率又不低的话（一般如以上的贡献率就算可以的了），就可以认为因子分析的效度还可以。40%果2个因子达到 的值KMObatteleKMO和巴特利检验（，不知道是不是这样写的），除此之外，你可以用因子分析里面Descriotives里面，说明因子的相关系数矩阵非P<0.001如果>0.5，则说明因子分析的效度还行，可以进行因子分析；另外，如果巴特利检验的单位矩阵，能够提取最少的因子同时又能解释大部分的方差，即效度可以。SPSS 问卷效度测验如何应用于问:，不所以不懂如何把这些应用于SPSSSPSS,问卷效度测验如何应用于然后因为做效度检验貌似要用皮尔逊相关还是因子分析, 想要变量，想要整体，一个整体。用因子分析，就已经是在检验变量的整体了 因子分析就是用少数几个因子来描述许多指标或因素之间的联系，以较少几个因子反映原资料的大部分信息的统计方法。过程三、因子分析的SPSS个以上）可观测变量组成，个案数第一步：准备数据文件，打开对话框，加载观测变量。数据文件主要是由较多的（一般在10中的“Factor”打开因子分析对话框，将参与分析的所有，选择“Data Reduction”。然后点击“Analyze”应比较大 观测变量加载到“Variables”下边的方框中。精彩文档． 实用标准文案 第二步：点击“Descriptives…”设置描述性统计要求。这里关键的是要求输出因子分析适合度的检验，一般要求输出：计算选中( ）、反像相关矩阵检验相关系数矩阵（选中Coefficients）、相关系数显著性水平矩阵（选中Significance levels of sphericity）。Bartlett's test 选中、KMO 和巴特利特球形检验（KMO and Anti-image ) : 点击“Extraction”打开对话框设置因子提取方式。在界定因子提取方法中需要设置以下几个方面的参数：第三步Principal ：大多数情况下认为因子是变量的线性组合，所以使用最多的是主成分分析法（(1) 因子构造方法 ; components）后输入一个因子数），如果还无法确定可以不设定因子数，先以factors of (2) 提取因子数（选中Number 默认状态进行尝试性分析；“Scree plot”以输出未经旋转的因子载荷矩阵、(3) 在“Display”下选中“Unrotated factor solution”和 碎石图。执行之后根据输出信息确定提取因子数，比如根据碎石图来确定；）或Varimax 第四步：点击“Rotation”按钮打开选择因子载荷矩阵的旋转方法。一般使用最多的是正交旋转（选中 其中斜交旋转速度快，所以大样本时多选此方法。同时可选中“Rotated solution”和Promax）,斜交旋转方法（选中“Loading plot(s)”，以输出旋转后因子旋转矩阵、载荷散点图。第五步：点击“Scores”设置因子得分计算方法。一般最多的是选择回归方法，由此可以计算每个因子分数并记录到数据文件或其他方法。还要选中“Regression”, 可在对话框中选中“Save as variables”，然后在计算方法中选择中。为此 “Display factor score coefficient matrix”。: 第六步：点击“Options”设置因子载荷系数的显示格式选中“Sorted by size”，则因子载荷系数按照大小顺序排列，并构成矩阵，使得在同一因子上具有较高载荷(1) 的变量排在一起，便于得到结论；则因子载荷矩1间的一个数，(2) 选中“Suppress absolute values less than:”并在其后的方格中输入一个0～ 阵中就不再显示那些小于这个数值的载荷系数了，而只显示那些比此数值大的载荷值，从而使因子所解释的主要变量一目了然。》，对信度分析有张)含CD光盘1可参考电子工业出版社出版的《PASW/SPSS Statistics中文版统计分析教程（第3版）( 详细的介绍。