关于信度分析的多种方法

一、利用SPSSAU做信度分析

1.信度分析位置

以SPSSAU为例，信度分析的位置在【问卷研究】→【信度】

图 1：信度分析位置

2.数据格式

信度一般针对量表题进行分析，数据格式常见是一个量表题为一列，举例如下：

图 2：信度分析数据格式

二、信度类型

上述内容已经了解到‘利用SPSSAU做信度分析’，那么信度有几种类型呢？是如何划分的？一般信度分析可以分为两个类型一个是内部一致性信度，另一个为外部一致性信度，内部一致性信度包括：克伦巴赫系数、折半信度系数、theta信度系数、McDonald omega信度系数。外部一致性信度包括复本信度和重测法检验信度。接下来进行说明。

1.部一致性信度

图 3：内部一致性信度

1.克伦巴赫信度系数

克伦巴赫信度系数计算公式：

公式说明：
N：测量个数（即放入SPSSAU的分析项个数）
Si2 表示第i项的数据变异。
ΣSi2表示各项数据变异求和。
S2表示数据求和后的总变异。
说明：
从公式可以看出，测量项个数会对克伦巴赫信度系数产生影响关系，分析项个数越多时，Cron克伦巴赫信度系数可能会越高。测量项个数最少为2个，此时信度系数相对可能会最低。

2.折半信度系数
折半系数涉及到Spearman-Brown系数和Guttman Split-Half系数。其中Spearman-Brown系数又分为等长和不等长两种计算。分别说明如下：
Spearman-Brown等长：

其中R代表拆分成两部分数据（先将数据拆分成两部分，然后分别求和，分别得到两列数据）的相关系数值。
Spearman-Brown不等长：

上公式中R为两部分数据的相关系数，k1和k2分别代表两部分数据分别的分析项个数，k=k1+k2。
Guttman Split-Half：

与此同时，SPSSAU还有提供Guttman Split-Half 系数，其也可用于测量信度。计算公式如下：上式中，Sp 表示整体求和部分的方差；Sp12 和Sp22 分别代表第1部分，第2部分方差。

3.theta信度系数

上式中N为分析项个数，λ为最大特征根值。从上式可以看到，当分析项个数越多时，theta信度系数很可能会越大，而且最大特征根越大，theta信度系数值也会越大。

4.McDonald omega信度系数

 McDonald's ω=(∑ loading )2(∑ loading )2+∑ uniqueness 

上式中loading为载荷系数值，uniqueness为1-loading^2。从上式可知，loading值整体绝对值越大时，McDonald's ω信度系数值也会越高。

2.外部一致性信度

（1）复本信度

复本信度是指设计两份或多份功能一致内容不同的问卷，对同一批样本进行测试，并两次结果的相关性。复本信度多用于教育学测验效果的信度考察，在一般量表中很少使用。

操作方法：分别计算两个复本各个维度（或整体）得分，使用pearson相关分析，考察两个量表的相关性。

判断标准：相关系数越大，代表相关性越高，信度越高。

（2）重测法检验信度

重测信度是指在不同时间，对同一批样本进行两次相同内容的问卷测量，并两次结果的相关性。

操作方法：和复本信度方法一致。分别计算两个复本各个维度（或整体）得分，使用pearson相关分析，考察两个量表的相关性。

三、克伦巴赫信度分析指标

针对信度的两种类型，我们已经了解，在分析中内部一致性信度的克伦巴赫系数比较常用，所以我们以克伦巴赫信度进行分析相关指标。
背景：当前有一份数据,共涉及A1~A4,B1~B4,C1~C3,D1~D3共14个量表题，此14个题目共分为4个维度，分别称作A，B，C和D维度。现希望对此份数据信度度情况进行分析，以验证数据质量可靠。由于是分4个维度所以需要分析4次。先对A维度涉及A1~A4,进行分析，结果如下：

如果CITC值低于0.3，可考虑将该项进行删除；如果“项已删除的α系数”值明显高于α系数，此时可考虑对将该项进行删除后重新分析。针对CITC值和项已删除的α系数一般用于预测试中。接着分析α系数，如果此值高于0.8，则说明信度高；如果此值介于0.7~0.8之间，则说明信度较好;如果此值介于0.6~0.7，则说明信度可接受；如果此值小于0.6，说明信度不佳；从上表可以看出α系数为0.859大于0.8，所以信度高，
补充说明：
标准化Cronbach α系数值和Cronbach α系数值的功能一样，判断标准也完全一样，一般使用很少，直接使用Cronbach α系数值进行分析信度即可。
其它三个维度也是这样分析，最后汇总分析结果如下：

从上表可以看出，A,B,C,D四个维度的α系数值均高于0.7，最小是D维度的信度系数为0.770，所以说明本次数据的信度质量水平较好，研究数据真实可靠。

四、疑难解惑

针对其它信度分析方法大家可以利用SPSSAU进行尝试，因为克伦巴赫系数比较常用，一般以为只有这种信度分析方法，实际上还有很多测量信度的方法，只是这种方法最方便，可操作性强。最后对信度分析存在的难点进行说明，其中包括‘非量表数据怎么进行数据分析’以及‘信度不达标的解决方案’。

1.非量表数据怎么进行数据分析

量表是指类似于“非常不满意，不满意，非常满意”这样的题项，第1个选项用1分表示，第2个选项用2分表示，依次下去，分值越大代表越满意，或者越不满意。只有量表题才能进行信度分析（以及效度分析）。
信度分析是研究数据质量是否可靠的一种研究方法，如果是非量表题，则没有办法使用研究方法进行分析，只能使用文字形式进行描述，以证明数据质量可信可靠，建议按以下几点分别说明。
第一：用文字描述数据收集的过程，比如纸质收集，网络收集等；
第二：用文字描述样本有效性，比如收集样本是否满足研究需要，收集的样本人群为有效样本群体等，比如研究大学生网购行为，收集样本人群一定需要为大学生等；
第三：用文字描述数据中无效样本的处理过程，比如使用SPSSAU的无效样本功能，将选择同一个答案超过70%的样本设置为无效样本等；
第四：其它可用于论证数据质量有保障的说明等。

2.信度不达标的解决方案

（1）检查数据是否为量表数据

如果做信度分析，那么首先需要满足其前提条件。一般是量表数据才能做信度分析，如果不是量表题，那么正常情况下都不会达标的，而且最关键的是非量表数据不能进行信度分析。

（2）检查样本量

有时样本量也有着至关重要的地位，比如从Cronbach信度分析的公式上可知，信度分析指标Cronbach值与样本量有着密切的关系。同时其还与分析项的个数有着密切的关系。

一般情况下，样本量希望是量表题的5倍，严格最好是10倍以上。比如有20个量表题，那么至少需要100个样本以上。否则很难得到较好的信度结果。

如果是样本量不足，除了加大样本量收集，或者减少分析项。但实际研究中通常量表是固定的，因此加大样本量是首要之选。但是并不是题越多越好，题越多时样本量要求也会越高，做到适合最重要。

（3）检查是否存在无效样本

很多时候我们都容易忽略掉无效样本这一处理过程，每次收集的数据都很难满足样本真实认真的回答，因此无效样本处理是重要的一个步骤，把无效样本处理掉后，通常会让信度指标提升。

（4）是否存在反向题

如果出现信度不达标，尤其是当信度系数值小于0时，很可能是由于反向题导致。此时只需要使用SPSSAU数据处理→数据编码功能反向处理即可。

（5）删除不合理项

在进行Cronbach信度分析时，有时候SPSSAU智能分析会提示建议删除某分析项。有可能某个分析项对信度是负作用，那么可考虑将该指标移除出去，相当于直接删除掉某个分析项。这也是常用的信度处理方式。

（6）提前预测试

其实当信度出现问题时，首先需要找到原因，比如非量表题不能做信度而应该用文字描述说明，比如针对反向题需要提前处理，也或者数据质量差一般需要提前做无效样本处理。真正可使用的其它技巧性解决办法只包括以更高的指标为单位进行，删除不合理项等几种。

如果还是不达标，那么说明数据确实不可靠。这种情况是比较糟糕的，因为数据收集回来不可靠意味着完全没用。因此提前做好预防是一种更科学的做法，提前收集小量数据，比如50个数据做下预测试，提前发现问题然后进行处理，这样才能保证正式数据不会出现任何问题。

除此之外，还有一些需要注意的点，比如样本量需要是量表题的5倍以上，同时分析信度时的分析项个数最好在4~7个等。