因此,信度測量的主要困難是無法得知真實值的大小。以下提出了五種可以替代的方案。
複本信度
複本信度(parallel-form reliability)的檢測:平行測量(parallel form)是用兩個內容形式一一對應的量表進行測量,它們量表的區別僅僅是表述形式和措辭有差異。對於同一個構念,使用平行測量,它們所有的地方都相似,只是隨機誤差不一樣。複本間的相關係數越高,則量表越穩定。對於測量1的x1和測量2的x2,應該有:rxx=rx1x2。
對於不同的應答者,平行測量複本應該具有:
測量相同的構念;
對於不同的應答者有一樣的真實值;
有相同的平均值;
有相同的方差;
有一個正態分布的相同的隨機誤差。
複本信度的缺陷:要求兩個不同的測量複本,並且具有上述嚴格的要求,這在研究上比較困難。
重測信度
重測信度(test-retest reliability)的檢測:與複本信度類似,重測信度是在兩個不同的時間點,使用同一個量表對同一組答題者進行測試。兩次結果之間的相關係數被稱為「重測信度」。重測信度的一個重要假設是:兩次的真分數沒有發生改變,所有的差異都是來自於隨機誤差。對於時間1和時間2的測量,應該有:rxx=rt1t2
內部一致性信度
相比上面兩種信度,在管理學研究中,「內部一致性信度」更加常用。
內部一致性信度(internal consistency reliability)的檢測:評估量表內部指標之間的同質性。因為指標之間越一致,整個量表的隨機誤差部分越小。
α係數(Cronbach α)是最常用的「內部一致性」信度係數(internal consistency reliability),也是管理學研究中最為常用的信度係數。在研究中匯報研究結果時,一般第一步都需要匯報所有變量之間的相關係數表,以及所有用到的量表在此研究中的Cronbach α係數。根據α係數的公式,項目之間的協方差(相關係數)越大,α係數就越大。因此,α係數會是項目之間的內部一致性的信度估計。
一般的「內部一致性信度」(α係數)都會在0.8以上,如果是0.7則表明偏低了。如果低於0.7,該量表的信度就有問題了。相對於α係數,重測信度會比較低一點,有時在0.5附近,都可以接受。
組合信度與平均方差析出量
前面內部一致性信度是基於古典測量模型假設得到,因為我們假設這些指標每一個都能夠無偏的測量構念的真實值。但是,同屬測量模型允許每一個指標測量構念的不同部分,這時內部一致性信度就不再適用。
組合信度(composite reliability)和平均方差析出量(average variance extracted,AVE)的檢測:前者首先把項目加總,然後計算方差,後者首先計算方差,才把項目的方差相加。兩個信度都源於合理的推導,一般報告都會採用。
構成型構念的量表的信度估計
構成型構念的不同構成指標之間有可能是正相關,負相關或彼此沒有關係,因此內部一致性信度不再合適。對於構成型構念,再測信度是一種更可取的估計信度的方法。
讀《管理學問卷調查研究方法 》系列:
讀《管理學問卷調查研究方法 》第八章:測量(2)效度
讀《管理學問卷調查研究方法 》第八章:測量(1)
讀《管理學問卷調查研究方法 》第七章:回歸分析(二)
讀《管理學問卷調查研究方法 》第七章:回歸分析(一)
讀《管理學問卷調查研究方法 》第六章:統計假設的檢驗(下)