SPSS统计分析教程-信度分析.docxVIP

信度分析

在调查研究中，对调查问卷的结果进行统计分析之前必须先对其信度（reliability）和效度（validity）进行分析，只有信度和效度在可以接受的研究范围之内时，调查问卷的统计分析结果才是可靠和准确的。在SPSS中选择菜单Analyze→Scale（量表）→ReliabilityAnalysis（信度分析）来完成信度分析。

15.1信度分析介绍

1.收集数据时，经常出现以下四种测量误差

（1）随机测量误差是在实际相同条件下，多次测量同一量时，误差的绝对值和符号的变化，时大时小，时正时负，没有确定的规律，也不可以预知，但具有抵偿性的误差。由于随机误差在测量中的单个无规律性，导致了它们的数值和有正负相消的机会，随着测量次数的增加，误差的均值趋于零，因此多次测量的平均值的随机误差比单个测量值的随机误差小，这种性质通常称为抵偿性。

（2）随机抽样误差是由于随机抽样所引起的样本统计量与总体参数间的差异以及各样本统计量之间的差异。

（3）系统误差由于仪器不准确、标准不规范等原因，例如，缺斤短两的秤，使测量结果产生了误差，这种误差称为系统误差，它在多次测量中是比较稳定的。

（4）过失误差粗心大意带来的错误。如明显歪曲测量结果的误差。这些测量值一般称为坏值或异常值，可作误差分析，将其剔除。但是处理异常值时要小心，也许某些异常值具有重要信息。如生物医学中，某些异常值可能就是研究的新发现。

2.由于在测量中存在误差，使得各次测量结果并不完全一致，于是就产生了两类问题

（1）测量结果的一致性程度问题，包括：在各种不同条件下所得数据的关系如何？测量数据与真实数据的接近程度如何？

（2）造成测量数据变异的原因问题，包括：是什么因素造成了数据的不一致性？各种因素产生效应的相对比例如何？

目前研究比较多的是前一类问题，即对测量的一致性进行精确估计的方法，也就是如何估计精确度，即反映随机误差大小的程度的问题。这个问题是用“信度”的概念描述的。

所谓信度指测量结果的一致性和稳定性。

计算的方法是将信度定义为：在一组测验分数中，真实值的方差和实得数据方差的比，用公式表示就是：

式中，?r?xx?：测验的信度；??：真实值的样本方差；??：实得数据的样本方差。但是，由于我们无法确知真实值，所以实际上这个公式不能使用。因此我们需要其他的信度分析的方法。

3.信度可分为以下两类：内在信度和外在信度

（1）内在信度指的是调查表中的一组问题（或整个调查表）是否测量的是同一个概念，也就是这些问题之间的内在一致性如何。如果内在信度系数在0.8以上，则可以认为调查表有较高的内在一致性。常用的内在信度系数为Cronbachα系数和分半信度。

Cronbach?α?系数判断量表的内部一致性。当量表内的项目被标准化为标准差取1时，根据项目的平均相关系数来判断；当项目没有进行标准化时，采用项目间的平均协方差进行判断。Cronbach?α?系数可被看作相关系数，即该量表与所有含有其他可能项目数的量表之间的相关系数。其大小可以反映量表受随机误差影响的程度，反映测试的可靠程度。系数值越大，则量表受随机误差的影响较小，测试可靠。

分半信度计算方法是将调查的条目分成两半，计算这两半测量结果的相关系数，以此为标准来衡量整个量表的信度，相关性高则表示信度好。分半信度常用在不可能进行重复调查的情况。

（2）外在信度指在不同时间进行测量时调查表结果的一致性程度。最常用的外在信度指标是重测信度，即用同一问卷在不同时间对同一对象进行重复测量，然后计算一致程度。

没有统一的标准规定上述各信度系数应当达到多大才能认为该问卷信度较高，一般认为，信度系数如果在0.9以上，则信度甚佳；信度系数在0.8～0.9是可接受的；在0.7～0.8，则该量表应进行较大修订，但仍不失其价值；如果低于0.7，则需要重新设计了。

信度分析通过研究测量数值和组成研究项目的特性，剔除无效的或者对研究对象作用较小的项目，从而达到将一个多维的研究对象进行降维的目的，正是由于对分析数据进行了降维，发现了反映研究对象的数据结构，从而提高数据的可靠性。信度分析主要应用在用多个指标反映对象的问题，通过对多维变量进行变量降维，达到既不影响研究对象，又降低研究难度的作用。

注意：在大型量表中，往往一组问题用来集中测量某一方面的信息。此时信度分析应当按问题组来进行，即测量同一信息的一组问题之间信度如何，而不是直接测量整个量表的信度。

关于测量的正确度：反映系统误差大小的程度的估计，在测量学上用的是效度的概念。所谓效度是对一个测量工具所要测量的东西测量到什么程度的估计，也就是测量值和真实值的接近程度。它是描述工具有效性的指标，说明该测量工具的正确性程度。效度可分为表面效度、内容效度、结构效度等，其中结构效度可通过主成分分析来