第九章 信度分析

信度和效度分析信度分析信度分析是一种测度综合评价体系是否具有一定稳定性和可靠性的有效分析方法。

信度是根据测验工具所得到的结果的一致性或稳定性，反映被测特征真实程度的指标。

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四种:重测信度法、复本信度法、折半信度法、克朗巴哈(Cronbach)α系数信度法。

在实证研究中，学术界普遍使用克朗巴哈(Cronbach)α系数信度法。

一般来说，信度的判别标准如下表:信度?0.30不可信0.30<信度?0.40初步的研究，勉强可信0.40<信度?0.50稍微可信0.50<信度?0.70可信(最常见的信度范围)0.70<信度?0.90很可信(次常见的信度范围)0.90<信度十分可信本文采用克朗巴哈(Cronbach)α系数信度法测量，根据量表中的5个维度分别计算各个维度的Cronbachα值，对各个维度的内部一致性信度进行分析，结果如下:变量Cronbach α值价格0.796质量0.735分销渠道0.777广告宣传0.611工作人员0.799品牌影响力0.696从上述Cronbach α值分析结果中，我们发现，所有的计量尺度的内部一致性系数都在0.6到0.8之间，均可以接受。

因此，研究结果表明各个计量尺度都较为可靠。

效度分析低效度的问卷往往无法达到测量目的，因此对效度的评价非常重要。

一般可以侧重两个个角度进行判断:一是观察问卷内容切合主题的程度;二是从实证角度分析其结构效度。

内容效度内容效度主要是用来反映量表内容切合主题的程度。

若测量内容涵盖所有研究计划所要探讨的构架及内容，就说明是具有优良的内容效度。

检验的方法需要采用专家判断法，由相关专家和专业人士就题项恰当与否进行评价。

构建效度构建效度也称结构效度，主要是用来检验量表是否可以真正度两处所要度量的变量。

可靠性是指通过相同方法重复测量同一物体而获得的结果的一致性。

可靠性指标主要由相关系数表示，可以大致分为三类：稳定性系数（跨时间一致性），等效系数（跨表单一致性）和内部一致性系数（跨项目一致性）。

可靠性分析有四种方法：重测可靠性方法，重复可靠性方法，半可靠性方法和阿尔法可靠性系数方法。

重测可靠性方法在这种方法中，使用相同的调查表以一定间隔对同一组受试者进行测试，并计算两次测试结果的相关系数。

显然，重测可靠性属于稳定性系数。

重测信度方法特别适用于事实调查表，例如性别，出生日期等。

两次测验之间应该没有差异，大多数受访者的兴趣，爱好和习惯在短期内不会明显改变。

一段的时间。

如果受访者的态度和意见没有突然变化，则此方法也适用于态度和意见调查表。

由于重测可靠性方法需要对同一样本进行两次测试，因此受访者很容易受到各种事件，活动等的影响，并且时间间隔也受到限制，因此难以实施。

复制可靠性方法重复可靠性方法是要求同一组受访者一次填写并回答两份问卷，并计算两份问卷的相关系数。

副本的可靠性属于等效系数。

除了表达方式不同外，两个副本的内容，格式，难度和相应问题的方向也应完全一致。

但是，在实际调查中，很难使问卷满足这一要求，因此使用这种方法的人很少。

分半可靠性半信度方法是将调查项目分为两部分，计算两个半分的相关系数，然后估计整个量表的信度。

半信度属于内部一致性系数，它测量两个半项得分之间的一致性。

此方法通常不适用于基于事实的调查表（例如无法比较年龄和性别），但通常用于分析态度和意见调查表的可靠性。

在问卷调查中，态度测量的最常见形式是5级李克特量表。

在半可靠性分析中，如果量表包含反义项，则应对项的分数进行相反处理，以确保每个项的分数方向一致。

然后，应根据奇偶校验或前后将所有项目尽可能地分为两部分，并计算相关系数（rHH，即半量表的可靠性系数）。

最后，使用斯皮尔曼·布朗（Spearman Brown））公式：计算了整个秤的可靠性系数（RU）。

信度分析信度分析是指对某一信息或内容进行评估，以确定其可靠性和真实性的过程。

在信息时代，我们面临着大量的信息和内容，其中包括真实的信息和虚假的信息。

因此，进行信度分析对于我们判断信息的真实性非常重要。

信度分析的方法有很多，下面我将介绍几种常见的信度分析方法。

第一种是来源可信度分析。

我们可以通过考察信息的来源，了解其可信度。

信源的可信度与其背景、专业性、信誉等有关。

例如，一篇由权威学术机构或权威媒体发表的研究论文具有较高的来源可信度。

第二种是内容真实性分析。

我们需要仔细研究信息的内容，通过对内容的合理性、逻辑性和事实性进行评估，判断其真实性。

例如，如果一篇新闻中出现了大量遗漏、重复或矛盾的情况，那么这篇新闻的真实性可能存在问题。

第三种是与其他信息的协调性分析。

我们可以将信息与其他相关信息进行对比和验证，判断其是否与其他信息相吻合。

如果一篇信息与其他相关信息存在较大出入，那么其可信度可能较低。

第四种是时间准确性分析。

我们需要注意信息的发布时间和我们收到信息的时间之间的差距。

如果一条信息在较长时间内没有得到证实或辟谣，那么其可信度可能较低。

除了以上几种常见的信度分析方法，我们还可以借助一些工具和平台来帮助我们进行信度分析。

例如，我们可以通过搜索引擎查找相关背景信息、查阅专业资料或权威机构的发布，以获取更多的信息和线索。

总而言之，信度分析是我们在信息时代中必备的技能之一。

通过对信息的来源、内容、协调性和时间准确性进行评估，我们可以更好地辨别真实的信息，并做出明智的判断和决策。

对于那些无法确定信度的信息，我们应保持怀疑态度，并进一步获取更多的信息，以避免被误导和影响判断。

这样，我们才能更好地从海量的信息中获取有价值的内容，并保持对信息的审慎态度。

15 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）→Reliability Analysis （信度分析）来完成信度分析。

15.1 信度分析介绍收集数据时，经常出现三种测量误差。

一是系统误差。

例如缺斤短两的秤，使测量结果产生了误差（小于真实值），这种误差称为系统误差，它在多次测量中是比较稳定的。

二是随机误差，它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。

三是叫粗差，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。

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，它包括：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，它包括：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：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。

所谓信度是一个测量工具可靠性的指标，它是对测量一致性程度的估计。

一个测量工具是可靠的，表示测量多次，测量结果是一致的和稳定的。

信度分析信度分析又称可靠性分析，是检验测量工具的可靠性和稳定性的主要方法；信度问题要回答的问题是：用这个测量工具在同一条件下对同一人进行测试，每次测试的结果是否相同的问题。

在社会科学中如果使用的测量工具无论对谁施测，也无论使用什么形式，只要产生相似的结果，那么可以认为此测量工具是可信的。

信度问题其实测的是一致性的问题，所谓信度是衡量没有误差的程度。

一致性分为内部一致性和外部一致性。

效度问题要回答的是：此测量工能够测量我想要测得的东西吗？不能混淆信度与效度。

信度的测量1．克伦巴赫α系数。

测度内部一致性的一个指标；及测量表内的所有项目测量的都是同一样东西吗？α与皮尔逊r 系数都是一样的范围在0—1 之间，如果为负值则表明表中某些项目的内容是其他一些项目的反面；α越接近于1，则量表中项目的内部一致性越是高。

α 的计算式非常简单，根据量表中的项目数K 和各项之间的相关系数r 计算而来1(1)krk rα=+-当量表中项目K 增加时，α值也会增大；同时，项目之间的相关系数r 较高时，α也会比较大。

这里的r 是指各项与其他各项之和计算相关系数的平均值。

2、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。

3、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。

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。

信度分析
alpha系数是衡量信度的一种指标，越大表示信度越高越高。

一般而言，信度系数如果在0.9以上，则说明信度非常好；如果0.8-0.9之间，则说明可以接受；在0.7-0.8之间，则说明该量表需要大量修订但不失价值；在0.7以下，则说明应该放弃。

案例
问卷共有10道题目，均为10分量表，高分代表同意题目代表了的观点，共测量102人，试问此问卷的信度。

数据
SPSS统计分析与行业应用案例详解+配套光盘+示例>02>正文>原始数据>案例11.1；
数据分析
执行analyze/scale/reliability analysis，
选择描述性和摘要的所有复选框，
得到下图内容：
信度分析
由数据可知：α=0.881，问卷信度良好，可进一步分析。

问卷题目删选
由图可知：题目1,2,6与整体的相关度不高，如果删去1,2,6三道题目，问卷信度应该会有所提升。

让我们来试试：
信度分析2
从图中数据可知：α=0.998，问卷信度非常好。

信度分析
信度(Relizibilitv)义称可靠性．是指测量的可信程度。

信度好的指标在同样或类似的条件下可以重复操作，町以得到一致的结果：主要表现为测量结果的一致性和稳定性。

所以信度系数是衡量测验好转型升级与高端突破：产业集群跨网络学习研究坏的一个重要技术指标(卢纹岱，2002)。

在学术界实证研究中，一般都使用内部一致性系数( Cronbach a)来衡量数据的可靠性。

一般认为alpha值在0.60以上即表明量表具有较高的信度，如果Cronbach a大于0.70则表明数据的可靠性较高（王重鸣，1990）。

表格：量表及各个测量变量的Cronbach
通过上表变量信度系数表可以看出，各变量的Cronbach a值均高于0.78，表明本研究的各变量的计量尺度较为可靠，完全符合本次研究的要求。

第九章信度分析信度分析是指通过一系列统计方法来评估研究工具（如问卷调查、测试等）的信度或稳定性，即研究工具用于测量同一概念或特征时的一致性程度。

信度分析的目的是判断研究工具的稳定性和准确性，从而保证研究结果的可靠性和有效性。

信度分析的主要方法包括重测法（test-retest reliability）、内部一致性法（internal consistency reliability）和并行测量法（parallel-forms reliability）等。

其中，重测法是最常见且简单的信度分析方法，它通过对同一组被试（样本）进行两次测试，然后比较两次测试的结果来评估测试的稳定性。

如果两次测试的结果高度一致，那么就可以认为该测量工具具有较高的信度。

内部一致性法是评估测试工具内部各项指标之间的关联程度来评估信度的方法。

常用的内部一致性分析工具有Cronbach's alpha系数和Split-half方法。

Cronbach's alpha系数是通过计算各项指标之间的相关性来评估其内部一致性的方法，通常取值范围为0到1，值越接近1表示工具的内部一致性越高。

而Split-half方法则将测试工具一分为二，将两个子尺度的得分进行比较，通过计算两个子尺度之间的相关性来评估内部一致性。

并行测量法是通过同时采用两个具有相同目标的测试工具来评估其信度。

这种方法要求两个工具在内容、题干和答案形式上完全一致，只是顺序或排列方式不同。

然后通过比较两个工具的测量结果来评估其信度。

在进行信度分析时，还需要考虑到样本的选择、样本规模和测试间隔等因素。

样本应该能代表研究的目标群体，并具有一定的代表性，样本规模应足够大，以保证信度分析的结果的可靠性。

此外，测试间隔应该适当，既不应过长也不应过短，以充分保证测试结果的稳定性。

总之，信度分析是评估研究工具稳定性和可靠性的重要方法，能够保证研究结果的准确性和可靠性。

研究者在进行信度分析时应选择合适的方法，并结合实际情况进行综合评估。

信度分析信度分析是一种评估研究或信息来源的可靠性和真实性的方法。

在信息爆炸的时代，人们需要花费大量的时间和精力来判断信息的可信度，以防止受到不准确或具有误导性的信息的影响。

本文将探讨信度分析的概念、重要性和方法，并提供一些实用的技巧帮助读者进行信息的可信度评估。

首先，我们来了解一下信度分析的定义和背景。

信度分析（credibility analysis）是指通过对信息来源、内容和相关证据进行评估，以确定其可信度和真实性的过程。

在信息爆炸的时代，人们通过各种渠道获取信息，但并不是所有信息都是准确和有用的。

因此，信度分析成为一种必要的工具，帮助人们过滤和评估信息的可靠性。

信度分析的重要性不言而喻。

首先，准确的信息是决策制定和问题解决的基础。

如果我们依赖于不可靠或错误的信息，可能会做出错误的判断和决策，导致严重的后果。

其次，信度分析有助于维护人们的信任和信心。

当我们知道某个信息来源是可靠的，我们更愿意信任并依赖于其提供的信息。

相反，如果一个信息来源经常提供错误或误导性的信息，人们会对其产生怀疑并失去信任。

那么，如何进行信度分析呢？下面是一些常用的方法和技巧：1. 了解信息来源: 首先，要了解信息的来源。

查阅作者或机构的背景信息，了解其专业背景、经验和信誉。

有些权威机构和专家提供了可信赖的信息，值得依赖和引用。

相反，一些不知名或缺乏专业知识的个人或机构提供的信息可能不可靠。

2. 检查引用和证据: 一个可靠的信息来源通常会提供引用和相关证据来支持其陈述。

通过查阅引用和相关证据，可以评估信息的真实性和可靠性。

例如，科学研究论文通常提供相关的实验数据和参考文献，可以对其进行验证。

3. 比较多个信息来源: 对同一个主题进行多个信息来源的比较是一种有效的方法。

通过比较不同来源提供的信息，可以找到共同之处和差异之处，从而判断哪个信息更可靠和真实。

4. 查阅评论和评级: 在网络上，人们经常对各种产品、服务和信息来源进行评论和评级。