信度分析（信度与效度分析 之 信度）

顶峰博红梅

苏轼[宋代]

不要厌倦熬夜。自怜是不合适的。我是杏色的小红桃，闲适飘逸，依然落寞清瘦，有雪有霜。

以事物的状态来休闲，无论发生什么，酒都会让你昏过去。诗不知道梅格的存在，它们吟诵着，看着绿叶和树枝。

[欣赏]

这是一首对事物的颂歌。作品通过红梅高傲正直的性格，写出了她搬迁后的艰难处境和复杂心情，表现了作者不甘于随波逐流，慷慨洒脱的性格。

作品的显著特点是集文字、抒情、议论于一体，通过意境表达思想感情。“睡得好”二字是起源，“自怜”一脉相承。从红梅的特点来看，表现了红梅冷酷自爱的形象。红梅的一个明显特点是蕾期相当长，寓意“睡得香”；红梅虽然睡得好，但不是酣睡，而是幽香，是值得期待的东西，所以叫“迟到不累”。句子中的“不小心”二字，悄悄透露出红梅的孤独与艰辛。红梅自己也知道，在这个花儿凋零的寒冷季节里，她自己出芽是不合时宜的。在蓓蕾外面，有一层浓密而明亮的白色天鹅绒。虽如玉兔霜花般洁白可爱，却只能自顾自，哀叹“一枝名花苦寂寞”(作者《居定慧园东，有山杂花一海棠，土人不知其贵》)。用“冰面”一词来形容红梅的玉冰，既恰如其分地刻画了红梅的容貌，又生动地刻画了红梅的超然，赋予了红梅以生命和丰富的感情，形象生动，发人深省。

此词中刻意雕琢的红梅，如同诗人卜算子的另一首词《黄州定慧园居》中“拾尽寒枝不肯生”的空灵孤鸿，是苏轼清贫、细致、自律的人生态度写照。风格与个性的结合，造就了作品的诗化风格，俗到极致，纯粹到极致。

注:来源于古诗词文学网。

可靠性简介

在科学研究的过程中，我们经常用量表来调查消费者对某个问题的反应，或者他/她对某个说法的态度，也就是用量表来反映消费者的主观感受。问卷收集完成后，需要对量表工具的一致性和稳定性进行监控，这就是信度。

有学者指出，信度是指由测验或量表工具测得的结果的稳定性和一致性。量表的可靠性越大，测量标准误差越小。

1904年，Spearman首次将信度引入心理测量学，信度是指测验结果的一致性或可靠性。

1.可靠性分类

重测信度

假设一组被试的情况在短时间内没有发生变化，用同一份问卷对每个被试进行两次测试，两次测试成绩的相关系数称为重测信度。重测信度是一个稳定系数。重测信度法特别适用于事实性问卷，如性别、出生日期等。两个测试应该没有区别，大部分回答者的兴趣爱好习惯等。短时间内不会有明显改变。如果被调查者的态度和观点没有突然改变，这种方法也适用于态度和观点问卷。

由于重测信度法需要对同一样本进行两次测试，受测者容易受到各种事件、活动等的影响，且间隔时间有限，实施难度较大。通常复试时间跨度为2 ~ 4周。太短会受记忆影响，太长会受环境影响。

交替形式可靠性方法

复本信度法是要求同一组被调查者一次回答两份问卷，计算两份问卷的相关系数。重复信度属于当量系数。复本信度法要求两份复本除表达模式不同外，对应项目的内容、格式、难度、提问方向应完全一致。但在实际调查中，很难使问卷满足这一要求，所以很少有人使用这种方法。

对半可靠性方法

当没有测验的副本，测验不可避免地受到时间的影响，因此只适合于一次测验时，可以使用分半信度。分成两半的方法有很多。一般奇数题和偶数题都是对半分，而不是前后分，是为了避免顺序效应。分半信度又称半信度，是将问卷的问题分成相等的两半，分别计算两半部分的总分，再计算两部分总分的相关系数。使用分半信度时，应注意两个问题:问卷中的问题应测量相同的质量；(2)题目的两半要对等。这种方法一般不适用于事实性问卷(如年龄和性别无法比较)，而常用于分析态度和意见问卷的可靠性。在问卷调查中，最常见的态度测量形式是李克特量表(5级)。

库德-理查森信度

Kuder-Richardson信度适用于计算“对或错”问题的同质信度，即计算所有可能的分半信度的平均值。可靠性系数在实践中很少使用。

克朗巴赫的可靠性系数(克朗巴赫的α)

克朗巴赫的α系数是克朗巴赫在1951年创立的，用来评价问卷的内部一致性。α系数的值为0 ~ 1。α系数越高，问卷的信度越高，内部一致性越好。克朗巴赫的α系数不仅适用于两个等级的问卷，也适用于多个等级的问卷。克朗巴赫信度系数具有以下特点:① α系数是所有可能的分半信度的平均值；② α系数是估计信度的最小值；③当问卷得分为二元名义变量，即答案为0或1时，α系数与KR20值相同，即库德-理查森信度公式是克朗巴赫α系数的特例。

一般只有问卷的α系数在0.8以上，问卷才有使用价值。克朗巴赫的α值均在0.85以上，表明问卷具有良好的信度。α系数评价量表中各项目得分之间的一致性，属于内在一致性系数。该方法适用于态度和意见问卷(量表)的信度分析。

信度系数好的量表或问卷，最好在0.80以上，0.70 ~ 0.80是可以接受的范围；分量表最好在0.70以上，0.60 ~ 0.70可以接受。如果分量表的内部一致性系数低于0.60或者总量表的信度系数低于0.80，就要考虑修改量表或者增删条目。

得分可靠性(得分者之间的可靠性)

考察评分员可靠性的方法是随机抽取相当数量的问卷，由两名评分员根据评分规则进行打分。然后根据每份问卷的得分计算相关系数，得出评分者的信度。评分者的可信度也可以是一个评分者两次评分的相关系数。如果多名评分者或一名评分者评分超过两次，可以使用肯德尔和谐系数和卡帕系数。肯德尔和谐系数用于分层数据，卡帕系数用于定性数据。

在上述六种信度系数中，克朗巴赫的信度系数应用最广，其次是半信度。现在我们来看看克朗巴赫信度系数在SPSS中的实现。

实现SPSS决策树分析

举例:一份问卷有10个问题，都是9个分量表，测试总分100分。现在，问卷有多可靠？数据如下:

1.菜单选择

o开放分析-规模-可靠性分析。

2.参数描述和选择

(1)主页面

形容词（adjective的缩写）项:选择要分析的问卷问题，不选择总分。

B.模型:用于指定要使用的可靠性系数。这些选项包括:

O Alpha选项:表示Cronbach alpha系数，默认选项。

o对半分:表示一半可靠性。

O Guttman:表示卡特曼系数，输出λ3实际上是克朗巴赫α系数。

o平行:表示平行测试的可靠性估计。

o严格平行平行:在平行试验的基础上，要求变量的均值相等。

碳（carbon的缩写）统计数据:

o描述:

项:输出各变量的均值、标准差等信息。

标度:输出变量之和的均值、方差和标准差。

删除后量表:敏感性分析，输出删除问卷中指定变量(问题)后对应统计量的变化值。这一项更重要。为了改进问卷，我们可以对问卷中的每个项目进行统一分析。

o项之间:设置输出变量之间的相关信息。有两种选择:相关矩阵和协方差矩阵。

o:设置每个项目的描述性统计的输出。选项包括:平均值、方差、协方差和相关性。

O Anova表:设置Anova选项。如果问卷设计得好，相应的答案是相关的。

f检验:相当于重复测量的方差分析，适用于数据正态分布的情况。

莱德曼卡方:检验傅莱德曼卡方统计量和肯德尔调谐系数，适用于秩格式的数据，可以代替方差分析中的f检验。

柯克兰方:柯克兰方检验适用于每个变量，适用于二元变量数据。

O hotelling t-square:多元检验，零假设是:所有数值变量的均值相等。

o基于图形的可加性测试:测试变量之间是否存在显著的相互作用。

o相似相关系数:设置组内相关系数选项。

3.分析结果和解释

(1)案件处理总结:

o给出原始数据中缺失值的统计。

(2)可靠性统计:

o从表中可以看出，本问卷的信度系数为0.794，接近0.8，说明本问卷的信度较好。

(3)删除某项后信度的变化:下表中最后两项最重要。

o相关系数:如果相关系数的态度是积极的，可以考虑删除这个问题。可以看出，第5项、第6项与总分的相关系数很低，说明这两个问题的回答得分与总分的相关性很小，说明可能与问卷的测量目的相关性不大。

o信度系数的变化:如果删除后系数上升，说明问题没有很好的区分。删除这个问题可以提高问卷的可靠性。从数据中可以看出，删除项目5和项目6可以提高问卷的信度系数。

o如果此问卷在后续分析中有所改进，您可以考虑删除或替换第5项和第6项。

4.语法

RELIABILITY  /VARIABLES=item1 item2 item3 item4 item5 item6 item7 item8 item9 item10  /SCALE(\’ALL VARIABLES\’) ALL  /MODEL=ALPHA  /STATISTICS=DESCRIPTIVE SCALE  /SUMMARY=TOTAL MEANS VARIANCE.

以上就是由优质生活领域创作者 人世间生活网小编 整理编辑的，如果觉得有帮助欢迎收藏转发~