|
信效度是衡量一份问卷测试结果的准确性和稳定性的依据。问卷设计完成之后到分析结束，一般要经过两次信效度分析。一次是预调查时，一次是正式分析。 信 度 分 析 与 效 度 分 析 信度分析：用于测量样本回答结果是否可靠，即样本有没有真实作答量表类题项。信度系数越高表示该测验的结果越一致、越稳定。 效度分析：用于测量题项设计是否合理，通过因子分析方法进行验证。 信 度 与 效 度 的 关 系 信度是效度的基础，必须要有信度才有效度。信度低，效度不可能高，但信度高不一定效度高。 另外两者的研究对象不同：信度对象是答卷人，效度对象是题项。 指 标 解 读 ▌信度分析 信度分析结果表格 信度分析指标解读 （1）校正的项总计相关性，也称CITC值，比如某维度对应5个题项，那么此5个题项之间的相关关系情况则使用此指标进行表示，通常此值大于0.4即说明某题项与另外的题项间有着较高的相关性，预测试时通常会使用“校正的项总计相关性”这一指标。 （2）项删除后的克隆巴赫系数，如果某个维度或变量对应着5个题项，那删除掉某题项后余下4个题项的信度系数值即称作“项删除后的克隆巴赫系数”。 （3）克隆巴赫系数，也称信度系数，内部致性系数，或者Cronbach's Alpha，或者α系数，此值一般大于0.7即可。 如果在预测试中使用信度分析，则可能涉及到校正项总计相关性(CITC)和项已删除的α系数这两个指标，用于辅助判断量表题目是否应该进行修正处理。如果是正式数据的分析，通常此两个指标的意义相对较小。 信度分析的分析步骤：  ① 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； ② 如果CITC值低于0.3，可考虑将该项进行删除； ③ 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； ④ 对分析进行总结。 ▌效度分析 针对效度分析，通常会使用内容效度，或者结构效度，或者验证性因子分析(CFA)进行效度验证。效度分析类型总结如下表： 由于效度分析通过因子分析的方式验证，所以这里也涉及因子分析的指标。  效度分析结果表格  效度分析指标解读 效度分析的分析步骤：  ① 首先分析KMO值：如果此值高于0.8，则说明效度高；如果此值介于0.7~0.8之间，则说明效度较好；如果此值介于0.6~0.7，则说明效度可接受，如果此值小于0.6，说明效度不佳(如果仅两个题；则KMO无论如何均为0.5)； ② 接着分析题项与因子的对应关系：如果对应关系与研究心理预期基本一致，则说明效度良好； ③ 如果效度不佳，则可考虑对题项进行删除 ④ 重复上述步骤，直止KMO达标；以及题项与因子对应关系与预期基本吻合，最终说明效度良好； ⑤ 对分析进行总结。 更详细的方法说明以及具体原理介绍，可查看SPSSAU官网，以及可使用SPSSAU上面的案例数据，进行实际的操作分析。
|
|
|
