是你多麼溫馨的目光,教我堅毅望著前路,叮囑我跌倒不應放棄。
我們在做調查問卷時,最看重的是調查問卷的科學性和有效性,如果一個問卷設計出來,無法有效地考察問卷中所涉及的各個因素,那麼我們為調查問卷所作的抽樣、調查、分析、結論等一系列的工作也就白做了
那麼,如何來檢驗設計好的調查問卷是否有效呢?信度分析是評價調查問卷是否具有穩定性和可靠性的有效分析方法
信度分析的原理
信度又叫可靠性,是指問卷的可信程度。它主要表現檢驗結果的一貫性、一致性、再現性和穩定性。一個好的測量工具,對同一事物反覆多次測量,其結果應該始終保持不變才可信
例如,我們用一把尺子測量一張桌子的高度,今天測量的高度與明天測量的高度不同,那麼我們就會對這把尺子產生懷疑。因此,一張設計合理的調查問卷應該具有它的可靠性和穩定性
調查問卷的評價體系,是以量表形式來體現的,編制的合理性決定著評價結果的可用性和可信性
問卷的信度分析,包括內在信度分析和外在信度分析
信度分析的方法有多種,有Alpha信度和分半信度等,都是通過不同的方法來計算信度係數,再對信度係數進行分析
【分析】>【標度】>【可靠性分析】:
【分析】>【標度】>【可靠性分析】功能分析:
【分析】>【標度】>【可靠性分析】>【統計】功能分析:
數據文件涉及某家電公司對消費者,在何種情況下,使用自己公司產品的調查結果,在數據文件中,每行代表一位單獨的調查對象;每列代表一種單獨的情況
該調查問卷共設置了7種情況,分別為「總是使用」、「沒有其他品牌」、「有電視廣告」、「有其他人使用」、「公司上市」、「常推出新產品」和「現任總裁在職」。被調查者對每種情況做出「是」或「否」的選擇,共有906行數據。我們將利用信度分析過程,得出調查結果是否可信的結論:
在SPSS變量視圖中,建立「總是」「其他品牌」「廣告」「他人使用」「上市」「新產品」和「在職」7個變量,分別代表「總是使用」「沒有其他品牌」「有電視廣告」「有其他人使用」「公司上市」「常推出新產品」和「現任總裁在職」7種情況,每個變量中用0和1分別代表「否」和「是」,所有變量的度量標準均為「度量」:
在SPSS數據視圖中,輸入相應變量的數據:
Alpha模型最終結果:
個案處理摘要,從中可以看到整個數據文件共有906個個案參與信度分析,並無缺失值
給出了信度分析的可靠性統計量結果:從中可以看到,克隆巴赫Alpha值為0.898,基於標準化項的克隆巴赫Alpha值為0.894,兩個係數值都在90%附近,可見該量表具有很高的內在一致性,所以可靠性較強
給出了各個項的基本統計量,從中可以看到,每個項的平均值、標準差和個案數目。如其4個項的均值都在0.5左右,表明大約50%的人出於前4個項的原因選擇繼續收看節目
給出了項間的相關性矩陣,從中可以看到,每個項之間的相關係數。如第一項與第二、第三、第四項間的相關性都比較高,而第五項與第六、第七項間的相關性較高
給出了摘要項統計量圖:該圖中顯示了,所有項均值的最小值、最大值、平均值、全距、方差及最大值與最小值的比。所有項均值的平均值是0.650,不嚴格地來說,在各種情況下,大約有65%的人會選擇繼續收看這個電視節目
格特曼模型最終結果:
該圖給出了,基于格特曼模型計算的從Lambda1到Lambda6的6個信度係數。在6個信度係數中最高的是Lambda6,其中Lambda3恰好等於Alpha模型可靠性統計中的克隆巴赫Alpha值。但是由於該係數計算較為複雜,因此實際應用中並不普遍
折半模型最終結果:
從該圖可以得到,基於半分信度模型的克隆巴赫Alpha值,和斯皮爾曼-布朗係數統計量
半分信度模型將量表中,原先的7個項拆分為兩個部分:
其中,第一部分的克隆巴赫Alpha值為0.944,第二部分的克隆巴赫Alpha值為0.826,可見每個部分的內在一致性都非常高,但是兩個部分的相關係數卻只有0.503,可見兩部分的相關性不高
斯皮爾曼-布朗係數和格特曼拆半係數,都是利用兩個部分的克隆巴赫Alpha值計算得到的,本實驗中由於兩部分項的數目不一致,所以值為0.673的「不等長」係數更為準確,並且格特曼拆半係數僅為0.577,因此半分信度模型的結果顯示內在一致性不是很好
事實上,由於半分信度模型的結果,因拆分方式的不同而變化較大,如把相關性很強的項,分在不同部分,得到的結果會更具有內在一致性,因此半分信度模型的結果並不是很可靠,一般用重側信度模型
以上案例資料來源:《SPSS統計分析從入門到精通》楊維忠 陳勝可 劉榮著