信度分析完整流程總結,一定有你需要的

在問卷研究中，分析問卷信效度總是不可避免的環節之一。

很多人會選擇直奔主題，點開信度分析界面，拽上所有題目就開始分析。

但往往這樣「高效」的做法，總是得不到理想的結果。

如何更有效獲得信度分析結果，避免無用功，今天我們就一起來探討一下。

本文嘗試從分析思路角度進行梳理，希望能夠讓大家對信度分析有更深入地理解。

1. 為什麼要做信度分析

在進行信度分析前，首先需要了解什麼是信度，以及為什麼要做信度分析。

一份問卷在調查研究中，容易受到很多因素影響，導致實際測量的結果與預期想測量的目標產生偏差。檢驗問卷的信效度的目的就是為了確保，回答的結果能夠真實反映預期目標，收集的數據有分析價值。

信效度區分： 問卷信度效度之間有什麼關係如何分析

2. 信度分類

單看信度，可以將信度分為兩類：內在信度和外在信度。

內在信度側重問卷結構的一致性，也就是看題項是否都是考察同一個方向的問題。最常用的內在信度指標為Cronbach α係數和折半信度。

外在信度側重測量問卷在不同時間得到結果的。最常用的外在信度指標是重測信度。

（1）Cronbach α係數：

目前最常用的信度測量方法。很多人第一次分析信度會認為信度分析就只有這一種，實際上還有很多測量信度的方法，只是這種方法最方便，可操作性強，因此多數論文中都會使用該方法。

操作方法：使用SPSSAU信度分析進行分析時，應按同一維度的題項為一個整體進行分析，整個量表分為幾個維度就需要分析幾次。（詳細過程請參考SPSSAU信度分析幫助手冊）

SPSSAU信度分析

判斷標準：信度係數越大，代表信度越高。

結果展示：最終可將各個維度對應的分析結果整理匯總成一個表格進行展示。

（2）折半信度

折半係數是將所有量表題項分為兩半，計算兩部分各自的信度以及相關係數，從而估計整個問卷的信度。

操作方法：在SPSSAU選擇信度分析時，右側下拉框處選擇『折半係數』。

判斷標準：折半信度係數越大，代表信度越高。

分析時需要結合兩部分題項數是否相等，選擇折半係數（Spearman-Brown係數）。

其判斷標準可參考α信度係數的衡量標準。如果折半係數值介於0.7~0.8之間；則說明信度較好；如果折半係數值介於0.6~0.7；則說明信度可接受；如果折半係數值小於0.6；說明信度不佳。

（3）複本信度

複本信度是指設計兩份（或多份）功能一致內容不同的問卷，對同一批樣本進行測試，並兩次結果的相關性。複本信度多用於教育學測驗效果的信度考察，在一般量表中很少使用。

操作方法：分別計算兩個複本各個維度（或整體）得分，使用pearson相關分析，考察兩個量表的相關性。

判斷標準：相關係數越大，代表相關性越高，信度越高。

（4）重測信度

重測信度是指在不同時間，對同一批樣本進行兩次相同內容的問卷測量，並兩次結果的相關性。

操作方法：和複本信度方法一致。分別計算兩個複本各個維度（或整體）得分，使用pearson相關分析，考察兩個量表的相關性。

3.信度不達標的解決方法

信度係數不達標，通常就代表問卷質量不佳，需要刪除部分題項或重新編制問卷。

但有一些情況下，信度係數過低甚至出現負值，可能是由於操作不當導致的。

①反向計分題未處理

如果α信度係數值小於0，很可能是量表中存在反向計分題，而在分析前未進行處理。

解決方法：先對反向題進行數據編碼，反向處理後，使用處理後的數據進行信度分析。

②放錯題項或用錯方法

信度分析只針對量表題，如果將非量表題都放進去分析，就會導致結果非常槽糕。

解決方法：非量表題建議用文字描述數據收集的過程、樣本有效性、無效樣本的處理過程等，以證明數據質量可信可靠。

③樣本量過少

樣本少信度係數值相對會較低。

解決方法：增加樣本量。

更為詳細地說明可以查看SPSSAU文章：信度不達標的處理方式以及結合SPSSAU幫助手冊說明進行操作。

4.分析思路

從分析角度看，為保證問卷質量，通常會在正式調研前，進行預調研，即小規模發放問卷，根據調研的信效度結果對問卷題項做調整，然後在進行正式調研。

預調研階段和正式調研階段均需要對問卷進行信效度檢驗，在確定問卷具有良好信效度後才可進行進一步分析。

總結

信度一般都比較容易達標。但如果沒有進行預調研，且原本設計題項的就較少，在正式分析階段得到信度係數非常低，很難進行調整，因此建議大家標準流程進行預調研。

以及以上所有信度檢驗都只針對量表題。非量表題分析請參考SPSSAU文章SPSSAU非量表類問卷要怎麼分析？