8.1 、SPSS信度分析—零基础入门教程

SPSS信度分析

一、信度分析的简介

信度，又叫可靠性，是检验同一事物的重复测量结果的一致性程度，其与测量结果的正确与否无关，而是反映测量工具（如调查问卷） 的稳定性或可靠性，一般用信度系数表示。一致性高的测量工具是指， 同一群人接受性质、题型和目的相同的不同测量工具测量后，在各结果之间显示出较强的正相关性；稳定性高的测量工具是指，一群人在不同的时空条件下，接受相同工具的测量后，所得结果的差异很小。

一般而言，如果信度系数达到0.9以上，该测验或量表的信度很好；信度系数在0.8以上，是可以接受的；如果在0.7以上，则应该对此测量工具进行修订，但仍不失其价值；如果低于0.7 ，则此量表的调查结果很不可信，需要重新设计量表。

根据评价对象的不同，信度分析可分为内在信度和外在信度。内在信度是衡量量表的某一组问题（或整个量表）测量的是否是同一个特征，这些问题之间是否具有较高的内在一致性，如果内在信度系数达到0.8以上，就认为量表具有较高的内在一致性，常用的内在信度系数为

Cronbach   α系数和分半信度；外在信度是指在不同时间对同批对象进行重复测量时量表结果的一致性程度，如果两次测量的结果相关性强，则说明在得到的结果是可信的，常用的外在信度指标是重测信度，但由于在实际工作中实施重复测量较困难，所以应用较少。

在当今社会和经济活动管理中，对某个事物或个体做综合评价都是极为普遍的。如某公司考核一名员工的升迁问题，则需要考核该员工的工作能力等情况。那么根据所要调查的内容所编制的量表的可靠性则非常重要，所以，可以利用信度分析来反映量表的稳定性或可靠性，以保证评估结果的可信性和可用性。

二、信度分析的方法

针对不同的数据类型，需要采用不同的信度估计方法。

1 ．Cronbach α信度系数

α   信度系数是用来衡量量表中多个问题的得分之间的一致性，适用于多重计分的测验数据或问卷数据。α   信度系数是目前最常用的信度系数。计算公式为

式中k为题目个数；S2为第i题得分的方差；为测验总得分的方差。

α信度系数与量表的题目数量关系密切。如果一个含有约10个题目的量表，α系数应能达到0.8以上；如果量表的题目增加，α系数会随之升高，当题目多于20个时，α系数会很容易地升至0.9以上；如果量表的题目减少，α系数会随之降低，如一个只有4个题目的量表，其α系数有时可能会低于0.6 。因此判断量表信度时，首先应当了解该量表所含题目的数量，再以此为基础判断α系数是否达到了可接受的水平。

2 ．分半信度

任何测验都是对所有可能题目的一份取样，如果抽取不同的部分， 就能编制很多平行的等值测验，叫做复本（内容、形式相等的测验）， 如考试用到的A 、B卷。如果一种测验有两个以上的复本，根据被试者接受两个复本测验的得分计算相关系数，就可以得到复本信度。但由于建立复本非常困难，所以通常采用分半法估计信度，即把测验题目分成对等的两半，根据各人在这两半测验中的分数，计算其相关系数作为信度指标。计算公式为

式中r hh为两半测验分数之间的相关系数；rx为整个测验的信度估计值。

计算分半信度时，要求人为分开的两部分测验题目要尽可能相似， 它们的得分应具有相近的平均值和标准差。若不能满足以上条件，则需要采用弗朗那根公式和卢伦公式来估计信度。

3 ．库德-理查逊（Cuttman）公式

如果一个测验全由二值计分（如1和0）的题目组成，α信度系数公式中每个题目得分的方差，就等于该题目上的通过率p（1的比例）与未通过率q （0的比例）的乘积。计算公式为

式中k为题目个数；pi为通过第i题的人数比例，qi为未通过第i题的人数比例；为测验总得分的方差。

4 ．平行测验的信度分析

对于信度，也可以定义为两平行测验所得分数之间的相关性，即用一个测验上某题的得分去推断另一个测验上该题的得分能力，用这种能力定义测验的信度。平行测验的信度估计要求方差齐性，有时还要求两平行测验的均值相等。

三、参数设置

（1）选择“分析” →“度量” →“可靠性分析” ，弹出“可靠性分析”对话框，如下图所示，各项含义如下。

●    项目：用于选入分析的变量。

●    模型：下拉菜单中有5个选项，如下所述。

➢   “ ：表示Cronbach “ 系数，是默认选项。

➢   半分：表示分半信度。

➢   Guttman：表示Cuttman系数。输出结果中的“可靠性统计”表中的Lambda3实际就是Cronbach “ 系数。

➢   平行：表示平行测验的信度估计。

➢   严格平行：表示在平行测验的基础上，要求各变量的均值相等。

●    刻度标签：表示在该框中可以对所计算的信度系数进行说明。

（2）单击按钮，弹出“可靠性分析：统计”对话框，如下图所示，在其中选择要输出的统计量，各项含义如下。

●    描述性：此栏用于选择输出哪些统计量，有以下3个可选项。

➢   项：输出各变量的均值、标准差等信息。

➢   度量：输出各变量之和（即总分）的均值、方差和标准差等信息。

➢   如果项已删除则进行度量：输出在问卷中删除指定变量（问题）后，相应统计量的改变值。此项比较重要，可用来对问卷中的各项进行逐一分析，以达到改进问卷的目的。

●    项之间：此栏用于设置输出变量间的相关信息。有相关性和协方差两个可选项，分别表示输出各变量的相关系数和协方差。

●    摘要：此栏用于设置关于各项目的描述统计量的输出，有以下4个可选项。

➢   平均值：输出项目均值的最小、最大、平均值，项目均数的极差和方差，均值的最大项与最小项之比。

➢   方差：输出项目方差的最小、最大、平均值，项目方差的极差和方差，方差的最大项与最小项之比。

➢   协方差：输出项目协方差的最小、最大、平均值，项目协方差的极差和方差，协方差的最大项与最小项之比。

➢   相关性：输出项目相关系数的最小、最大、平均值，项目相关系数的极差和方差，相关系数的最大项与最小项之比。

●    ANOVA表：此栏用于设置方差分析的方法，是检验各个题目上的得分是否具有一致性，有如下4个可选项。

➢   无：表示不进行方差分析。

➢   F检验：输出重复测验的方差分析表，当数据呈正态分布时可用该方法。

➢   Friedman卡方：输出Friedman卡方值和Kendall谐和系数，该方法适用于取秩格式的数据，它可以取代方差分析中的F检验。

➢   Cochran卡方：对各变量进行Cochran卡方检验，该方法适用于二分变量数据。

●    Hotelling的T平方：表示对所有项目均数相等的零假设的多变量检验。

●    Tukey的可加性检验：检验各变量之间是否具有显著的交互作用。

●    同类相关系数：输出组内相关系数，同时给出相关系数的置信区间、F统计量和显著性检验值。选中该项，激活下面的4个选项。

➢   模型：用于指定计算组内相关系数的模型。下拉菜单中有3个可选项：

✧   双向混合：当人为效应及项目效应均为固定时选择此项。

✧   双向随机：当人为效应及项目效应均为随机时选择此项。

✧   单向随机：当人为效应为随机时选择此项。

➢   类型：用于指定组内相关系数是如何被定义的，下拉菜单中有2个可选项：

✧   一致性：表明研究中部关注评分者给出相同分数。

✧   绝对一致：表明研究者关注评分者给出相同的分数。

➢   置信区间：用于指定置信区间，在后面输入框中输出取值即可，默认为95%。

➢   检验值：输入一个组内相关系数的假定值，用于假设检验。输入数值要求在0～1之间，默认为0 ，表示相关系数为0的零假设。

四、信度分析的SPSS实现

实例一：“data14-01.sav”数据文件来源于SPSS自带数据文件“tv-survey.sav” ，该数据是调查用户是否继续收看某个节目，如下图所示。数据中包括7个问题，取值1表示用户基于这个理由会继续观看该节目，取值0表示基于这个理由不会促使用户继续观看此节目。现要求根据信度分析，以判断由该问卷所得的结论是否可靠。

数据文件：数据文件\Chapter14\data14-01.sav

视频文件：视频文件\Chapter14\信度分析．avi

（1）打开“data14-01.sav”数据文件，选择“分析” →“度量” →“可靠性分析” ，弹出“可靠性分析”对话框。

（2）将左侧的7个变量全部选中，单击按钮，将其选入“项目”列表中。

（3）单击“模型”后面的下拉菜单，选择Guttman。

（4）单击按钮，弹出“ 统计”对话框。勾选“相关性” 复选框。

（5）完成各项设置后，单击腿按钮执行命令。

（6）重复上述2-4步操作，并将第2步改为选择α , 用来比较采用这两个模型所得的结果有何异同。

五、信度分析的结果分析

下表给出了初始数据中关于缺失值的统计信息。

下表的“可靠性统计1”给出了Guttman系数的计算结果，

下表的“可靠性统计2”给出了Cronbach α 系数的计算结果。

“可靠性统计1” 中的Lambda3为0.767 ，而“可靠性统计2” 中的Cronbach   α系数也为0.767这与前面介绍操作步骤时提到的“采用Cuttman系数所输出的可靠性统计表中的Lambda3实际就是Cronbach α系数”相符。

从“可靠性统计2”可以看出，0.767是对真实α系数的估计，在前面介绍信度分析的方法时提到“α系数与量表的题目数量关系密切，对于含有10个题目左右的量表，其α系数应该能达到0.8以上” ，考虑到此量表只有7个题目，所以认为该量表达到了可以接受的水平。

另外，在“可靠性统计2” 中的基于标准化项目的Cronbach α是只在选中图中的“项之间”列表中的任一项时才会输出的结果。

下表给出的是各题目得分之间的相关矩阵。

由表可知，前4个题目的之间的相关性较高，说明如果用户基于这4个原因中的一个选择观看该节目的话，那么用户基于其他3种原因而选择观看该节目的可能性很大。

如果上述教程没有解决您的问题，可以联系分析师获取支持：

分析师服务（24小时在线）

如果您需要代做服务，可选择下方服务选项：

‍1、问卷设计、问卷调查：点击联系

2、数据分析、实证分析：点击联系‍

3、科研配图、论文配图：点击联系

4、文章指导、润色美化：点击联系

5、数据查找、代查代下：点击联系

6、数据修改、调整合理：点击联系‍

7、职称评审、课题申报：点击联系

8、格式排版、文章翻译：点击联系‍