信度分析是問卷研究中最為基本的一種方法，其用於測量『量表題』數據的可靠性，簡單來說就是測量樣本有沒有真實的回答問題。特別提示，如果是使用統計分析方法進行信度測量，那麼一般都是針對量表題，這在SPSSAU手冊中有特別重要的提示和說明。
1 信度測量
信度分析的目的就在於說明數據可信可靠，真實可信。其測量或者描述信度的方法一般有如下5種。
Cronbach信度分析是最為常見，使用最為廣泛的一種測量方法，直接使用一個指標即Cronbach信度係數值來描述信度水平情況。如果說Cronbach信度係數值大於0.6，一般就說明信度可以接受，信度係數值越大越好。
除Cronbach信度，還有一種信度叫折半信度，其原理是將分析項『拆分』成兩部分，然後查看折半係數值，如果折半係數值大於0.6以上則說明可以接受，越大越好。
除此之外，還可以使用相關分析進行信度測量，比如重測信度就可以通過相關分析進行測量，先測量一次數據，隔一段時間再測量一次數據，將兩次的數據進行相關分析，相關係數越高，說明重測信度越好。
如果是實驗研究或者評價者數據，一般在醫學研究中，還可能會使用到ICC組內相關係數，其目的在於研究數據的相似程度，或者一致性，有時候重複測量數據，或者評價打分數據等也會使用ICC組內相關係數用於信度的測量，如果說ICC值大於0.6，一般說明數據一致性程度可接受，ICC值越大越好。
如果說數據並不適合進行統計分析，即使用分析方法，使用某個指標來測量信度水平。那麼用文字進行描述，證明數據可靠可信也可以。比如說數據進行過異常值處理，針對數據進行過無效樣本設置處理等，餘下的數據可靠真實。除此之外，詳細描述數據的收集和處理過程，也是證明數據可靠真實可信的辦法。
總而言之，只要能證明數據可靠真實的手段（包括分析方法，文字描述等），均可用於論證數據的信度水平。
2 SPSSAU信度操作
關於信度的操作上，以SPSSAU軟體為例，操作分別如下，如果是使用Cronbach信度或者折半信度，其操作如下：
如果是使用相關分析研究信度水平情況，SPSSAU裡面的操作如下：
SPSSAU組內相關係數測量數據一致性或可重複性（信度），操作如下：
如果說需要描述數據處理的過程，比如使用了數據處理裡面的異常值功能，或者無效樣本功能，目的在於使用文字描述數據真實可靠。SPSSAU裡面的操作地方為：數據處理-〉無效樣本或者異常值。
3 信度不達標如何辦？
其實信度的測量和SPSSAU軟體操作都是非常簡單的，SPSSAU上『拖拽點一下』就得到智能分析結果，指標值如何，是否達標等都直接分析出來了。但當出問題時，SPSSAU也只是告訴結果不達標，關鍵在於如何讓信度達標，因為如果說數據不達標，意味著數據不可靠不真實，那後續根本無法繼續分析下去。
接下來從8個角度去剖析數據不達標的處理，前4點是尋找原理，後4點是不達標的處理。
第1點：是否量表數據？
如果做信度分析（一般是Cronbach信度分析），那麼首先需要滿足其前提條件。一般是量表數據才能做Cronbach信度分析，如果不是量表題，那么正常情況下都不會達標的，而且最關鍵的是非量表數據不能進行Cronbach信度分析。
那不是量表題如何辦呢？可以使用文字描述，詳細描述數據收集的過程，比如如何發放和收集數據等。同時詳細描述數據處理的過程，比如使用SPSSAU的無效樣本處理功能，刪除掉無效樣本數據等。如果做過數據預測試，可以講述預測數據的過程等。只要可以證明數據真實可靠可信的描述都可以。一般情況下希望是希望分析指標進行信度測量，所以需要提前知曉此點。
第2點：樣本量是否足夠？
從Cronbach信度分析的公式上可知，信度分析指標Cronbach值與樣本量有著密切的關係。同時其還與分析項的個數有著密切的關係。
一般情況下，樣本量希望是量表題的5倍，嚴格最好是10倍以上。比如有20個量表題，那麼至少需要100個樣本以上。否則很難得到較好的信度結果。
如果是樣本量不足，除了加大樣本量收集，其實反過來思維，也可以考慮減少量表題分析數量。但實際研究中通常量表是固定的，因此加大樣本量是首要之選。同時提前做好心理準備，並不是題越多越好，題越多時樣本量要求也會越高，做到適合最重要。
第3點：無效樣本處理
很多時候我們都容易忽略掉無效樣本這一處理過程，每次收集的數據都很難滿足樣本真實認真的回答，因此無效樣本處理是重要的一個步驟，把無效樣本處理掉後，通常會讓信度指標提升。SPSSAU進行無效樣本操作如下：
一般來說，如果相同數字過多，默認是70%以上，那麼肯定說明某個樣本是亂填寫，因為70%以上的答案都完全一致。以及如果是缺失比例過高，比如有超過70%以上都是空著的，那這種也屬於無效樣本。
無效樣本的設置標準並不統一，也沒有固定的要求，SPSSAU默認以70%作為常見標準。現實研究中，可能需要對比多次嘗試，如果樣本很多，那可以設置更高的要求（即更低的百分比），反之如果樣本較少，那麼就設置更低的要求（即更低的百分比）。
無論如何，針對數據的一些基本處理，無效樣本，也或者異常值，這種處理過程本身就為了保障數據的真實可靠，因此使用文字描述清楚數據的處理過程也是一種論證信度的有效方式。
第4點：反向題
如果出現信度不達標，尤其是當信度係數值小於0時，很可能是由於反向題導致。此時只需要使用SPSSAU數據處理>數據編碼功能反向處理即可。
第5點：指標為單位進行
在第2點中有提及樣本量會影響信度。其實分析項的個數也會影響到信度。樣本量越少，那麼Cronbach信度分析通常會越低。同時，如果分析項個數越多，此時Cronbach信度分析也會越高。比如2個分析項放入分析時，很容易出現信度係數值小於0.6，一般放入分析框內的分析項個數在4~7個之間較好。
因此，如果出現信度不達標即Cronbach信度分析係數小於0.6時，可考慮將指標進行『合併』，即將同屬一個更高指標的所有項放入分析框進行信度分析。當然此種操作會涉及到專業知識上的考慮，如果專業知識上允許這樣操作那就可以。
第6點：刪除不合理項
在進行Cronbach信度分析時，有時候SPSSAU智能分析會提示建議刪除某分析項。有可能某個分析項對信度是負作用，那麼可考慮將該指標移除出去，相當於直接刪除掉某個分析項。這也是常用的信度處理方式。
第7點：提前預測試
其實當信度出現問題時，首先需要找到原因，比如非量表題不能做信度而應該用文字描述說明，比如針對反向題需要提前處理，也或者數據質量差一般需要提前做無效樣本處理。真正可使用的其它技巧性解決辦法只包括以更高的指標為單位進行，刪除不合理項等幾種。
如果還是不達標，那麼說明數據確實不可靠。這種情況是比較糟糕的，因為數據收集回來不可靠意味著完全沒用。因此提前做好預防是一種更科學的做法，提前收集小量數據，比如50個數據做下預測試，提前發現問題然後進行處理，這樣才能保證正式數據不會出現任何問題。
除此之外，還有一些需要注意的點，比如樣本量需要是量表題的5倍以上，同時分析信度時的分析項個數最好在4~7個等。
第8點：文字描述
從上述描述可知，文字描述是一種萬能的信度分析手段，包括說明數據預測試的過程，數據收集過程，正式數據回收後的數據處理，包括無效樣本處理或者異常數據處理等。尤其是針對非量表數據，但又需要進行信度說明時，文字描述這種分析手段更為重要，建議從3個角度進行說明，分別是預測試情況，數據如何收集，回收正式數據後的數據處理方式。充分證明數據真實可靠。