信度分析

  • 信度分析用于测量样本回答结果是否可靠,即样本有没有真实作答量表类题项( 重要提示: 信度分析仅仅是针对 量表数据,非量表数据一般不进行信度分析);信度分析仅针对定量数据. 克隆巴赫信度系数(Cronbach α系数值,下同)如果在0.8以上,则该测验或量表的信度非常好;信度系数在0.7以上都是可以接受;如果在0.6以上,则该量表应进行修订,但仍不失其价值;如果低于0.6,量表就需要重新设计题项。

    • 校正的项总计相关性:此指标用于判断题项是否应该作删除处理,如果值小于0.3,通常应该考虑将对应项进行删除处理;

    • 项已删除的Alpha值:此指标用于判断题项是否应该作删除处理,如果该值明显高于”α系数”值,此时应该考虑将对应项进行删除处理.

    • 分析项 信度分析说明
      网购满意度四个题项 网购满意度由四个题表示,分别是产品满意度,快递满意度,售后满意度,价格满意度(并且均为量表数据);样本对此变量(网购满意度)的回答是否真实可靠?

      分析结果表格示例如下:

      校正项总计相关性(CITC) 项已删除的α系数 Cronbach α系数
      分析项1 0.619 0.872 0.883
      分析项2 0.621 0.872
      分析项3 0.674 0.865
      分析项4 0.696 0.863
      分析项5 0.665 0.866
      分析项6 0.659 0.867
      • 特别提示
      • “校正的项总计相关性”和“项已删除的α系数”这两个指标,通常用于预测试中,如果是正式分析信度时,只要整体” α系数”值大于0.6,则说明信度达标。如果个别” α系数”值小于0.6,但是高于0.5,则综合整体说明信度可接受即可。

      以维度作为单位进行分析,并且多次进行信度分析后,可将各个维度对应的信度分析结果整理汇总成如下图所示(下图中研究涉及3个维度),作为最终结果:

      研究维度 题目个数 α系数
      原谅程度 4 0.912
      口碑传播意愿 4 0.947
      重购意愿 4 0.97

      SPSSAU操作截图如下:

信度分析案例

  • 1、背景

    当前有一份数据,共涉及A1~A4,B1~B4,C1~C3,D1~D3共14个量表题,此14个题目共分为4个维度,分别称作A,B,C和D维度。现希望对此份数据信度度情况进行分析,以验证数据质量可靠。

  • 2、理论

    信度简单来讲即可靠性,可信度,数据是否真实,样本有没有认真回答,回答是否可信等。一般使用克隆巴赫信度系数(Cronbach α系数值,简称α系数)进行测量。通常α系数大于0.6即可,如果题目仅两个,此时一般大于0.5也可勉强接受,但0.6以上更好。

    如果在预测试中使用信度分析,则可能涉及到校正项总计相关性(CITC)和项已删除的α系数这两个指标,用于辅助判断量表题目是否应该进行修正处理。如果是正式数据的分析,通常此两个指标的意义相对较小。

  • 3、操作

    • 本例子中涉及四个维度(A,B,C和D),则分别需要进行四次操作,然后将四次操作的结果整理合并整理成一个表格用于研究报告中输出。

      以A维度的4个题项作为例子操作如下:

  • 4、SPSSAU输出结果

    如果是正式数据进行信度分析,则上表格中仅0.859这个数字进行报告即可。四个维度则有四个α系数值。可将此4个值进行整理最终报告如下表所示:

    名称 对应题项 α系数
    A维度 4 0.859
    B维度 4 0.860
    C维度 3 0.809
    D维度 3 0.770
  • 5、文字分析

    本次数据共涉及四个维度,分别是A,B,C和D维度;使用Cronbach α系数去测量数据的信度质量水平。α系数值高于0.8,则说明信度高;α系数介于0.7~0.8之间;则说明信度较好; α系数介于0.6~0.7;则说明信度可接受; α系数小于0.6;说明信度不佳。从上表格中可以看到:A,B,C,D四个维度的α系数值均高于0.7,最小为0.770,因而说明本次数据的信度质量水平较好,研究数据真实可靠。

  • 6、剖析

    信度分析涉及以下几个关键点,分别如下:

    • 以维度作为单位分别进行信度分析;

    • 最终需要将α系数值进行汇总整理成表格,并且输出。

    • 如果某个维度仅对应2个题项,此时α系数值可能会较低(通常大于0.6即说明信度较好,但2个题时通常会较低)。

    • 如果有反向题(比如某维度有4个题项:其中3个题项分值越高代表越喜欢看书;但还有1个题分值越高代表越不喜欢看书,则该项称作反向题);需要首先针对反向题进行反向操作(使用“数据编码”功能),然后用新标题进行分析。

    • 如果某个维度仅对应1个题项,此时无法进行信度分析。

疑难解惑

  • 信度分析删除标题?
  • 信度分析时,如果分析项的CITC值很低,也或者该项被删除后信度系数明显上升,意味着该项应该被删除更合理。相当于该项确实有数据,但分析时将其进行了删除处理。后续所有的分析均应该以删除后作为标准进行。

  • 信度分析无论如何均不达标?
  • 建议按照以下七步检查:

  • 第一:使用‘描述分析’检验下是否有奇怪的异常值,如果有则需要使用‘数据处理->异常值’功能处理后再分析;

  • 第二:‘非量表’数据是不能进行信度分析,只需要用文字进行描述证明数据凭什么可信,比如如何设计问卷如何收集数据,数据为什么可信等,有没有进行过异常值处理等;

  • 第三:如果信度系数值依然很低(比如低于0.5),此时可考虑把所有量表题合并在一起进行一次信度分析(题项越多通常信度系数会越高);

  • 第四:如果数据中有反向题,需要先使用‘数据处理->数据编码’将反向题处理后再分析;

  • 第五:删除不合理的项,留下有意义的项;

  • 第六:加大样本量,样本量越大通常情况下信度会越高;

  • 第七:问卷设计时一个维度尽量4~7个题较好,题项越多信度会越高,而且如果不达标还可以删除个别不合理项。

  • 针对问卷量表数据( 重要提示:信度分析仅仅是针对量表数据),可以进行信度分析。如果是非量表,则不能进行信度分析。信度分析需要注意以下几点:
  • 信度分析时,是以单个维度为单位进行,比如有10个维度,则进行10次信度分析,最终将结果合并规范。

  • 信度度分析时,最核心的指标值为整体α系数值;如下图:

  • 如果整体α系数达标(通常是大于0.6),则说明信度较好;其它两个指标(校正项总计相关性(CITC),项已删除的α系数)的重要性相对较低,更多是进行预测试分析时使用。

  • 多次进行信度分析后,可将各个维度对应的信度分析结果整理汇总成如下表所示:

研究维度 题目个数 α系数
原谅程度 4 0.912
口碑传播意愿 4 0.947
重购意图 4 0.97
  • 非量表如何进行信度分析?
  • 量表是指类似于“非常不满意,不满意,非常满意”这样的题项,第1个选项用1分表示,第2个选项用2分表示,依次下去,分值越大代表越满意,或者越不满意。只有量表题才能进行信度分析(以及效度分析)。

  • 信度分析是研究数据质量是否可靠的一种研究方法,如果是非量表题,则没有办法使用研究方法进行分析,只能使用文字形式进行描述,以证明数据质量可信可靠,建议按以下几点分别说明。

  • 第一:用文字描述数据收集的过程,比如纸质收集,网络收集等;

  • 第二:用文字描述样本有效性,比如收集样本是否满足研究需要,收集的样本人群为有效样本群体等,比如研究大学生网购行为,收集样本人群一定需要为大学生等;

  • 第三:用文字描述数据中无效样本的处理过程,比如使用SPSSAU的无效样本功能,将选择同一个答案超过70%的样本设置为无效样本等;

  • 第四:其它可用于论证数据质量有保障的说明等。

  • 标准化Cronbach α 系数问题?
  • 标准化Cronbach α系数值和Cronbach α系数值的功能一样,判断标准也完全一样,一般使用很少,直接使用Cronbach α系数值进行分析信度即可。

  • 信度或效度分析删除的项,后续是否需要保留?
  • 如果说已经在信度分析(也或者效度,也或者其它分析)时认为某个分析项不合理需要对其删除处理,那么后续各类分析方法一般均需要同步一致,并不是把数据直接删除,而是在分析时直接不分析该项即可。

  • omega信度系数如何分析?
  • SPSSAU提供McDonald's omega信度系数,McDonald's ω系数的解读与常用的Cronbach系数解读基本一致,原理上McDonald's ω系数是利用因子分析降维浓缩信息的思想进行。另如果分析项大于20,此时不输出‘项已删除的McDonald's ω系数’。

  • 信度分析计算公式深入剖析?
  • 具体涉及信度分析的深入分析和公式解读等,可点击查看