利用SPSSAU做信度分析
信度分析位置
以SPSSAU為例，信度分析的位置在【問卷研究】→【信度】
圖 1：信度分析位置
數(shù)據(jù)格式
信度一般針對(duì)量表題進(jìn)行分析，數(shù)據(jù)格式常見是一個(gè)量表題為一列，舉例如下：
圖 2：信度分析數(shù)據(jù)格式
信度類型
上述內(nèi)容已經(jīng)了解到‘利用SPSSAU做信度分析’，那么信度有幾種類型呢？是如何劃分的？一般信度分析可以分為兩個(gè)類型一個(gè)是內(nèi)部一致性信度，另一個(gè)為外部一致性信度，內(nèi)部一致性信度包括：克倫巴赫系數(shù)、折半信度系數(shù)、theta信度系數(shù)、?McDonald omega信度系數(shù)。外部一致性信度包括復(fù)本信度和重測法檢驗(yàn)信度。接下來進(jìn)行說明。
內(nèi)部一致性信度
圖 3：內(nèi)部一致性信度
1 克倫巴赫信度系數(shù)
克倫巴赫信度系數(shù)計(jì)算公式：
公式說明：
N：測量個(gè)數(shù)（即放入SPSSAU的分析項(xiàng)個(gè)數(shù)）
說明：
從公式可以看出，測量項(xiàng)個(gè)數(shù)會(huì)對(duì)克倫巴赫信度系數(shù)產(chǎn)生影響關(guān)系，分析項(xiàng)個(gè)數(shù)越多時(shí)，Cron克倫巴赫信度系數(shù)可能會(huì)越高。測量項(xiàng)個(gè)數(shù)最少為2個(gè)，此時(shí)信度系數(shù)相對(duì)可能會(huì)最低。
2 折半信度系數(shù)
折半系數(shù)涉及到Spearman-Brown系數(shù)和Guttman Split-Half系數(shù)。其中Spearman-Brown系數(shù)又分為等長和不等長兩種計(jì)算。分別說明如下：
Spearman-Brown等長：
其中R代表拆分成兩部分?jǐn)?shù)據(jù)（先將數(shù)據(jù)拆分成兩部分，然后分別求和，分別得到兩列數(shù)據(jù)）的相關(guān)系數(shù)值。
Spearman-Brown不等長：
上公式中R為兩部分?jǐn)?shù)據(jù)的相關(guān)系數(shù)，k1和k2分別代表兩部分?jǐn)?shù)據(jù)分別的分析項(xiàng)個(gè)數(shù)，k=k1+k2。
Guttman Split-Half：
與此同時(shí)，SPSSAU還有提供Guttman Split-Half 系數(shù)，其也可用于測量信度。計(jì)算公式如下：上式中，Sp?表示整體求和部分的方差；Sp12?和Sp22?分別代表第1部分，第2部分方差。
3 theta信度系數(shù)
上式中N為分析項(xiàng)個(gè)數(shù)，λ為最大特征根值。從上式可以看到，當(dāng)分析項(xiàng)個(gè)數(shù)越多時(shí)，theta信度系數(shù)很可能會(huì)越大，而且最大特征根越大，theta信度系數(shù)值也會(huì)越大。
4 ?McDonald omega信度系數(shù)
上式中l(wèi)oading為載荷系數(shù)值，uniqueness為1-loading^2。從上式可知，loading值整體絕對(duì)值越大時(shí)，McDonald's ω信度系數(shù)值也會(huì)越高。
外部一致性信度
（1）復(fù)本信度
復(fù)本信度是指設(shè)計(jì)兩份或多份功能一致內(nèi)容不同的問卷，對(duì)同一批樣本進(jìn)行測試，并兩次結(jié)果的相關(guān)性。復(fù)本信度多用于教育學(xué)測驗(yàn)效果的信度考察，在一般量表中很少使用。
操作方法：分別計(jì)算兩個(gè)復(fù)本各個(gè)維度（或整體）得分，使用pearson相關(guān)分析，考察兩個(gè)量表的相關(guān)性。
判斷標(biāo)準(zhǔn)：相關(guān)系數(shù)越大，代表相關(guān)性越高，信度越高。
（2）重測法檢驗(yàn)信度
重測信度是指在不同時(shí)間，對(duì)同一批樣本進(jìn)行兩次相同內(nèi)容的問卷測量，并兩次結(jié)果的相關(guān)性。
操作方法：和復(fù)本信度方法一致。分別計(jì)算兩個(gè)復(fù)本各個(gè)維度（或整體）得分，使用pearson相關(guān)分析，考察兩個(gè)量表的相關(guān)性。
克倫巴赫信度分析指標(biāo)
針對(duì)信度的兩種類型，我們已經(jīng)了解，在分析中內(nèi)部一致性信度的克倫巴赫系數(shù)比較常用，所以我們以克倫巴赫信度進(jìn)行分析相關(guān)指標(biāo)。
背景：當(dāng)前有一份數(shù)據(jù),共涉及A1~A4,B1~B4,C1~C3,D1~D3共14個(gè)量表題，此14個(gè)題目共分為4個(gè)維度，分別稱作A，B，C和D維度?，F(xiàn)希望對(duì)此份數(shù)據(jù)信度度情況進(jìn)行分析，以驗(yàn)證數(shù)據(jù)質(zhì)量可靠。由于是分4個(gè)維度所以需要分析4次。先對(duì)A維度涉及A1~A4,進(jìn)行分析，結(jié)果如下：
如果CITC值低于0.3，可考慮將該項(xiàng)進(jìn)行刪除；如果“項(xiàng)已刪除的α系數(shù)”值明顯高于α系數(shù)，此時(shí)可考慮對(duì)將該項(xiàng)進(jìn)行刪除后重新分析。針對(duì)CITC值和項(xiàng)已刪除的α系數(shù)一般用于預(yù)測試中。接著分析α系數(shù)，如果此值高于0.8，則說明信度高；如果此值介于0.7~0.8之間，則說明信度較好;如果此值介于0.6~0.7，則說明信度可接受；如果此值小于0.6，說明信度不佳；從上表可以看出α系數(shù)為0.859大于0.8，所以信度高，
補(bǔ)充說明：
標(biāo)準(zhǔn)化Cronbach α系數(shù)值和Cronbach α系數(shù)值的功能一樣，判斷標(biāo)準(zhǔn)也完全一樣，一般使用很少，直接使用Cronbach α系數(shù)值進(jìn)行分析信度即可。
其它三個(gè)維度也是這樣分析，最后匯總分析結(jié)果如下：
從上表可以看出，A,B,C,D四個(gè)維度的α系數(shù)值均高于0.7，最小是D維度的信度系數(shù)為0.770，所以說明本次數(shù)據(jù)的信度質(zhì)量水平較好，研究數(shù)據(jù)真實(shí)可靠。
疑難解惑
針對(duì)其它信度分析方法大家可以利用SPSSAU進(jìn)行嘗試，因?yàn)榭藗惏秃障禂?shù)比較常用，一般以為只有這種信度分析方法，實(shí)際上還有很多測量信度的方法，只是這種方法最方便，可操作性強(qiáng)。最后對(duì)信度分析存在的難點(diǎn)進(jìn)行說明，其中包括‘非量表數(shù)據(jù)怎么進(jìn)行數(shù)據(jù)分析’以及‘信度不達(dá)標(biāo)的解決方案’。
1 非量表數(shù)據(jù)怎么進(jìn)行數(shù)據(jù)分析
量表是指類似于“非常不滿意，不滿意，非常滿意”這樣的題項(xiàng)，第1個(gè)選項(xiàng)用1分表示，第2個(gè)選項(xiàng)用2分表示，依次下去，分值越大代表越滿意，或者越不滿意。只有量表題才能進(jìn)行信度分析（以及效度分析）。
信度分析是研究數(shù)據(jù)質(zhì)量是否可靠的一種研究方法，如果是非量表題，則沒有辦法使用研究方法進(jìn)行分析，只能使用文字形式進(jìn)行描述，以證明數(shù)據(jù)質(zhì)量可信可靠，建議按以下幾點(diǎn)分別說明。
第一：用文字描述數(shù)據(jù)收集的過程，比如紙質(zhì)收集，網(wǎng)絡(luò)收集等；
第二：用文字描述樣本有效性，比如收集樣本是否滿足研究需要，收集的樣本人群為有效樣本群體等，比如研究大學(xué)生網(wǎng)購行為，收集樣本人群一定需要為大學(xué)生等；
第三：用文字描述數(shù)據(jù)中無效樣本的處理過程，比如使用SPSSAU的無效樣本功能，將選擇同一個(gè)答案超過70%的樣本設(shè)置為無效樣本等；
第四：其它可用于論證數(shù)據(jù)質(zhì)量有保障的說明等。
2 信度不達(dá)標(biāo)的解決方案
（1）檢查數(shù)據(jù)是否為量表數(shù)據(jù)
如果做信度分析，那么首先需要滿足其前提條件。一般是量表數(shù)據(jù)才能做信度分析，如果不是量表題，那么正常情況下都不會(huì)達(dá)標(biāo)的，而且最關(guān)鍵的是非量表數(shù)據(jù)不能進(jìn)行信度分析。
（2）檢查樣本量
有時(shí)樣本量也有著至關(guān)重要的地位，比如從Cronbach信度分析的公式上可知，信度分析指標(biāo)Cronbach值與樣本量有著密切的關(guān)系。同時(shí)其還與分析項(xiàng)的個(gè)數(shù)有著密切的關(guān)系。
一般情況下，樣本量希望是量表題的5倍，嚴(yán)格最好是10倍以上。比如有20個(gè)量表題，那么至少需要100個(gè)樣本以上。否則很難得到較好的信度結(jié)果。
如果是樣本量不足，除了加大樣本量收集，或者減少分析項(xiàng)。但實(shí)際研究中通常量表是固定的，因此加大樣本量是首要之選。但是并不是題越多越好，題越多時(shí)樣本量要求也會(huì)越高，做到適合最重要。
（3）檢查是否存在無效樣本
很多時(shí)候我們都容易忽略掉無效樣本這一處理過程，每次收集的數(shù)據(jù)都很難滿足樣本真實(shí)認(rèn)真的回答，因此無效樣本處理是重要的一個(gè)步驟，把無效樣本處理掉后，通常會(huì)讓信度指標(biāo)提升。
（4）是否存在反向題
如果出現(xiàn)信度不達(dá)標(biāo)，尤其是當(dāng)信度系數(shù)值小于0時(shí)，很可能是由于反向題導(dǎo)致。此時(shí)只需要使用SPSSAU數(shù)據(jù)處理→數(shù)據(jù)編碼功能反向處理即可。
（5）刪除不合理項(xiàng)
在進(jìn)行Cronbach信度分析時(shí)，有時(shí)候SPSSAU智能分析會(huì)提示建議刪除某分析項(xiàng)。有可能某個(gè)分析項(xiàng)對(duì)信度是負(fù)作用，那么可考慮將該指標(biāo)移除出去，相當(dāng)于直接刪除掉某個(gè)分析項(xiàng)。這也是常用的信度處理方式。
（6）提前預(yù)測試
其實(shí)當(dāng)信度出現(xiàn)問題時(shí)，首先需要找到原因，比如非量表題不能做信度而應(yīng)該用文字描述說明，比如針對(duì)反向題需要提前處理，也或者數(shù)據(jù)質(zhì)量差一般需要提前做無效樣本處理。真正可使用的其它技巧性解決辦法只包括以更高的指標(biāo)為單位進(jìn)行，刪除不合理項(xiàng)等幾種。
如果還是不達(dá)標(biāo)，那么說明數(shù)據(jù)確實(shí)不可靠。這種情況是比較糟糕的，因?yàn)閿?shù)據(jù)收集回來不可靠意味著完全沒用。因此提前做好預(yù)防是一種更科學(xué)的做法，提前收集小量數(shù)據(jù)，比如50個(gè)數(shù)據(jù)做下預(yù)測試，提前發(fā)現(xiàn)問題然后進(jìn)行處理，這樣才能保證正式數(shù)據(jù)不會(huì)出現(xiàn)任何問題。
除此之外，還有一些需要注意的點(diǎn)，比如樣本量需要是量表題的5倍以上，同時(shí)分析信度時(shí)的分析項(xiàng)個(gè)數(shù)最好在4~7個(gè)等。
