信效度分析
信效度分析
信效度分析是心理学、教育学等领域中进行问卷设计和数据分析的重要环节。本文将详细介绍信度和效度的概念、测量方法以及如何使用SPSS软件进行具体操作。
一、信度的概念
注：概念部分内容均来自书目——《心理与教育测量》。
信度是指测量结果的稳定性程度。换句话说，若能用同一测量工具反复测量某人的同一种心理特质，则其多次测量结果间的一致性程度就叫作信度，有时也叫作测量的可靠性。
信度是衡量一个量表质量高低的重要指标之一，信度不合要求的量表是不能使用的，人们在编制和使用量表时都特别重视测量的信度。
信度指标：Cronbach's alpha系数（克隆巴赫系数）是用于衡量一组测量工具（例如问卷）的内部一致性的统计量。Cronbach's alpha系数介于0和1之间，越接近1表示该工具具有更高的内部一致性和可靠性。一般认为，Cronbach’s α系数在0.7以上表明具有良好的信度。如果不超过0.6，则认为内部一致信度不足。
Cronbach's alpha系数公式：
二、信度的测量方法含操作
所有实操都基于SPSS软件进行。
信度是反映测量中随机误差大小的指标。由于造成测量的随机误差的方式或来源多种多样，因此信度的估计方法也多种多样。下面介绍的信度估计方法是分别测量信度的某一方面的，使用时要特别注意它的含义及适用范围。
- 重测信度
重测信度（test-retest reliability）是指用同一个量表对同一组被试施测两次所得结果的一致性程度，其大小等于同一组被试在两次测验上所得分数的皮尔逊积差相关系数。该信度能表示两次测试结果有无变动，反映了测验分数的稳定程度。相关程度高，表示前后测量一致性高，稳定性好。重测的过程考虑了不同的条件带来的测量结果的误差，这种误差与两次施测的情境相关联。
- 复本信度
复本信度（alternate-form reliability）是指两个平行测验测量同一批被试所得结果的一致性程度，其大小等于同一批被试在两个复本测验上所得分数的皮尔逊积差相关系数。
- 分半信度
分半信度（split-half reliability）是指将一个测验分成对等的两半后，所有被试在这两半上所得分数的一致性程度。
步骤：spss导入数据→分析→度量→可靠性分析→导入所有变量→点击项之间相关性→模型选择半分（分半一个意思，翻译的问题）→确定，结果就出来了。
得到结果为Spearman-Brown系数值。
二、效度的概念
- 什么是效度
效度（validity）是指一个测验或量表实际能测出其所要测的心理特质的程度。例如，一个小学生数学测验的成绩若同时受到其数学和语文能力的影响（如看不懂题意等情况），则认为实际测到其所要测的特质（数学能力）的程度不高，因而它是个效度不高的数学测验。
效度是一个相对的概念
效度是测量的随机误差和系统误差的综合反映
判断一个测量是否有效要从多方面搜集证据
效度评估
由于测量效度是就测量结果所达到测量目的的程度而言的，因此测量效度的评估在很大程度上取决于人们对测量目的的解释。
目前，比较常见的解释角度主要有三种：
一是用测量的内容来说明目的；
二是用心理学上的某种理论结构来说明目的；
三是用工作实效来说明目的。
这就是传统上广泛使用的内容效度（content validity）、结构效度（construct validity）和实证效度（criterion-related validity）的概念。
内容效度——专家判断、问卷前测
结构效度——探索性因子分析、验证性因子分析
效标效度——相关分析
效度测验前提：信度大于 0.7
步骤：分析→降维→因子分析→导入所有变量→描述选择KMO→旋转选择最大方差法→选项要选中按大小排序、取消小系数、绝对值改为0.5→确定，结果就出来了。
进行结构效度的正式分析前，第一步需要通过KMO和巴特利特（Bartlett）检验进行测量问卷量表进而决定是否适合进行因子分析，KMO值是用来判断所选取变量在因素分析中的可接受程度，考察变量之间相关关系。
一般进行因子分析需要kmo值大于0.6。
巴特利特（Bartlett）检验：
巴特利特检验原理上是检验各变量是否独立，确定因素的相关性，如果模型显著（对应的p值小于0.05）说明适合因子分析。
P值为0是因为不显示超过小数点后四位，如当显著性概率P为0.0000032，此等情况下，SPSS默认只显示3位小数点的数字，那么它就是显示为0.000（三位小数后的数字被隐藏没有显示）。