量表信效度分析.ppt

量表信效度分析及其SPSS操作 调查问卷编制程序 采用开放式问卷对受测对象进行集体调查，并对其中一部分对象进行访谈，了解真实情况。 编写初始问卷。 对初测问卷的施测结果进行探索性因素分析，依据相关指标剔除不当题项，确定问卷的因素结构，形成正式问卷。 检验问卷的信度和效度：内部一致性信度、分半信度、重测信度、内容效度、结构效度以及效标效度。 对形成的正式问卷在群体中施测，用获得的数据进行验证性因素分析，进一步检验与修正问卷结构，并考察问卷实用性。 信度分析 信度(reliability)指调查表测量结果的可靠性、稳定性和一致性，即精确度（precision）。 一般认为信度反映测量误差或观察误差也即随机误差引起的变异程度。 常用指标：（1）重测信度 （2）分半信度 （3）内部一致性信度 重测信度（test-retest reliability） 用同一调查表在不同时间对同一组调查对象进行重复测量，两次结果间的一致性即重测信度。 通常用两次测量的量表得分的简单相关系数r表示，一般要求达到0.7以上。 原则上要求应在调查的主要内容还未发生变化的期间内进行。 重测信度评价要对每个个体进行两次测量，比较麻烦。为此，人们更愿意采用一次性测量的评价方法，分半信度正是如此。 分半信度(split-half reliability) 在一次测量后将条目分为相等但独立的两部分，如分前后两个部分、按提问项目号的奇数和偶数分两个部分。计算两个部分的得分的简单相关系数r，作为信度指标。 这实际上考察的是指标的一致性，因测量同一特征的指标间关系密切，故具有一致性则说明结果可信。 分半信度较少被应用原因： 由于其结果不稳定，因为随机分成两个半表的结果很多，特别是条目数量较多时。 由于 系数是所有可能的分半信度的平均值，因此可以代表分半信度。 内部一致性信度(internal consistent reliability) 是分半信度的推广。无需将条目分为两个部分，而是以条目之间的联系程度对信度作出估计。 通常用克朗巴赫 系数（Cronbach’s alpha）表示，它取值在0到1之间，其值越大，信度越高。一般认为克朗巴赫 系数应达到0.7以上。 系数根据一次测量的结果即可算得，使用简便，利用信息充分，在实际工作中广为采用。 信度分析实例：某研究应用癫痫患者生活质量评定量表（QOLIE-33）对198名癫痫患者进行调查，量表结构见下表，分析该量表总的信度和各因素的信度。 1.Cronbach 系数 发作担忧（sw）的Cronbach 系数 sw:0.883 oq:0.751 ew:0.780 ef:0.758 cog:0.871 me:0.804 sf:0.849 cn:0.567 除因素cn外，均大于0.70，可以说各个因素的内部一致性信度较高。 2.描述统计量 3.条目的敏感性分析 4.相关阵分析(Inter-Item Correlation Matrix) 主要考察相关系数比较大的情况。相关系数太大，提示有关条目的内容可能重复，为取舍的参考依据之一。 5.条目的方差分析 6.多重交互作用检验与等均数检验 效度分析 效度（validity）主要评价量表的准确度、有效性和正确性，即测定值与目标真实值的偏差大小。 效度意在反映某测量工具是否有效地测定到了它打算测定的内容，即实际测定结果与预想结果的符合程度。 常用指标：（1）内容效度 （2）效标效度 （3）结构效度 内容效度（content validity） 量表测量的内容与所要测量的内容之间的符合情况，即测定对象对问题的理解和回答是否与条目设计者希望询问的内容一致。 内容效度的评价主要通过主观经验判断一般通过专家评议打分。 效标效度（criterion validity） 又称为标准关联效度，是以一个公认有效的量表作为标准（效标），检验新量表与标准量表测定结果的相关性，以两种量表测定得分的相关系数表示标准效度。 结构效度（construct validity） 又称构想效度，说明量表的结构是否与制表的理论设想相符，测量结果的各内在成分是否与设计者打算测量的领域一致，结果效度主要用于证实性因子分析（CFA）评价。 证实性因子分析是确定存在几个因子，以及各实测变量与各因子的关系，用实际数据拟合特定的因子模型，分析拟合优度