什么叫信度和效度？

信度分析指采用同样的方法对同一对象重复测量时所得结果的一致性。效度分析是指指测量工具或手段能够准确测出所需测量的事物的程度。

一、信度分析

详细介绍：信度指标多以相关系数表示，大致可分为三类：稳定系数（跨时间的一致性），等值系数（跨形式的一致性）和内在一致性系数（跨项目的一致性）。

方法：要有以下四种：重测信度法、复本信度法、折半信度法、α信度系数法。

二、效度分析

详细介绍：效度分析是指所测量到的结果反映所想要考察内容的程度，测量结果与要考察的内容越吻合，则效度越高；反之，则效度越低。

方法：内容效度、准则效度和结构效度。

相对性：任何测验的效度是对一定的目标来说的，或者说测验只有用于与测验目标一致的目的和场合才会有效。 所以，在评价测验的效度时，必须考虑效度测验的目的与功能。

问卷调查法是教育研究中广泛采用的一种调查方法，为了保证问卷具有较高的可靠性和有效性，在形成正式问卷之前，应当对问卷进行试测，并对试测结果进行信度和效度分析，根据分析结果筛选问卷题项，调整问卷架构，从而提升问卷的信度和效度。
说了这么多，我们先对一些调研小白解释一下，什么是信度和效度？
信度：
可靠性、一致性或稳定性。比如说，在对同一对象进行测量，多次测量结果都很接近，我们就认为这个结果是可信的，也就是信度高。如果每次测量的结果都有很大的差异，则说明信度较低。
效度：
正确性程度，效度越高表示测量结果越能显示出所要测量对象的真正特征。
他们两的差别在于信度度量的是问卷测量结果是否一致的可靠程度，而不涉及结果是否正确的问题；效度则针对问卷测量的目的，重点考察测量结果的有效性。对于量表来说，效度是首要条件，而信度是效度的必要条件。也就是说有效的问卷必定是可信的问卷，但可信的问卷未必是有效的问卷。
了解了定义后，我们来聊一聊检测调查问卷信效度的方法。
信度分析（可靠性分析）
1 重测信度法
用同样的问卷对同一被测间隔一定时间的重复测试，也可称作测试——再测方法，计算两次测试结果的相关系数。很显然这是稳定系数，即跨时间的一致性。
重测信度法适用于事实性的问卷，也可用于不易受环境影响的态度、意见式问卷。由于重测信度需要对同一样本试测两次，而被测容易受到各种事件、活动的影响，所以间隔时间需要适当。较常用者为间隔二星期或一个月。
2 复本信度法
复本信度法是让同一组被调查者一次填答两份问卷复本，计算两个复本的相关系数。复本信度属于等值系数。复本信度法要求两个复本除表述模式不同外，在内容、格式、难度和对应题项的提问方向等方面要完全一致，而在实际调查中，很难使调查问卷达到这种要求，因此采用这种方法者较少。
3 折半信度法
折半信度法是将调查项目分为两半，计算两半得分的相关系数，进而估计整个量表的信度。折半信度属于内在一致性系数，测量的是两半题项得分间的一致性。
这种方法一般不适用于事实式问卷，常用于态度、意见式问卷的信度分析。进行折半信度分析时，如果量表中含有反意题项，应先将反意题项的得分作逆向处理，以确保各题项得分方向的一致性，然后将全部题项按奇偶或前后分为尽可能相等的两半，计算二者的相关系数，最后求出整个量表的信度系数。
4 α信度系数法
Cronbachα信度系数是目前最常用的信度系数，其公式为︰α=(n/n-1)(1-(∑Si2)/ST2)其中，n为量表中题项的总数，Si2为第i题得分的题内方差，ST2为全部题项总得分的方差。从公式中可以看出，α系数评价的是量表中各题项得分间的一致性，属于内在一致性系数。这种方法适用于态度、意见式问卷（量表）的信度分析。
效度分析
1 单项与总和相关效度分析
也称为内容效度或逻辑效度，指的是测量的内容与测量目标之间是否适合，也可以说是指测量所选择的项目是否“看起来”符合测量的目的和要求。主要依据调查设计人员的主观判断。
这种方法用于测量量表的内容效度。内容效度又称表面效度或逻辑效度，它是指所设计的题项能否代表所要测量的内容或主题。对内容效度常采用逻辑分析与统计分析相结合的方法进行评价。
2 准则效度分析
准则效度又称为效标效度或预测效度。准则效度分析是根据已经得到确定的某种理论，选择一种指标或测量工具作为准则，分析问卷题项与准则的联系，若二者相关显著，或者问卷题项对准则的不同取值、特性表现出显著差异，则为有效的题项。
评价准则效度的方法是相关分析或差异显著性检验。在调查问卷的效度分析中，选择一个合适的准则往往十分困难，使这种方法的应用受到一定限制。
3 结构效度分析
结构效度是为了说明从量表所获得的结果与设计该量表时所假定的理论之间的符合程度。研究者在设计量表时，通常会事先假定一定的量表结构（n个维度），这种结构是否与测量的数据相符合（是否确定存在上述几个维度），需要进行验证。
为了提升调查问卷的质量，进而提升整个研究的价值，问卷的信度和效度分析绝非赘疣蛇足，而是研究过程中必不可少的重要环节。

信度和效度分析在问卷分析中大多都会用到的，即使是成熟的问卷，一般也是需要做的，在本科和研究生的论文中均适用。信度和效度相当于是对于问卷质量的一个前置条件，如果问卷的信度和效度比较好，证明问卷的

数据可靠性比较高，问卷数据内部一致性比较高，所以可以用来做后续的建模分析，相反，如果信度和效度不高，可能就需要重新设计问卷，发放问卷。信度分析在spss的分析中，最主要的Cronbach’s alpha系数。 *** 作步骤为：点击分析-标度-可靠性分析-选择项-确定，只需要把问卷中的题目放到信度分析的选项框中就可以：  得到的结果如图： Cronbach’s alpha系数值得范围以及信度的效果：080～090非常好070～080相当好；065～070最小可接受值；060～065最好不要； 所以通过上表可以看出该问卷信度相当好。（不同的参考文献对于这个系数的要求也不同，一般来说，Cronbach’s alpha系数大于07都是可以接受的）效度分析效

度分析在用spss进行分析的时候使用的方法是因子分析。效度分析对于很多的同学来说是最不好处理的。效度比较好代表的是问卷的数据内部一致性比较好，也就是说每个维度的所有题目的选择上基本是一致的，维度划分比较好。比方说：职业目标维度的5个题目分别为：1、对于将来做什么工作，我已经做了决定2、尽管现在我还是个学生，但是我能想象出将来自己工作状况3、我已经选定了我的职业，所以，现在我不用担心职业的问题4、对于职业，我已经做了明确的决定5、尽管以后我可能会改变想法，但现在，我已经选定了一个吸引我的职业。对应的选项为5级量表，分别为：1,2,3,4,5代表的是 非常不符合、有些不符合、不能确定、有些符合、非常符合。如果问卷填写人认真填写，那这些题目的选择上应该不会存在太大差异，因为这些题目都是换着方法对同一个问题的问法。需要注意的一点是，如果在问卷题目中有反向的题目，需要先将反向的题目转换为正向的题目。同一个维度的数据通过效度分析后再进行问卷数据的矩阵运算和旋转后也会自动落到一个维度上。效度分析最好的结果是，整体的问卷会按照不同的维度划分成对应的主成分，如果不是这样的就需要考虑重新做问卷或者和导师沟通下如何分析。效度分析 *** 作步骤：分析-降维-因子-把量表的变量移动到右侧变量框中-描述-选择KMO/提取-选择碎石图/旋转-选择最大方差法/选项-排除小系数。分别选择好后都需要点继续。      生成结果以及解释： 通过SPSS25进行分析，需要分析显著性和KMO值，显著性小于005，说明该问卷数据适用于做因子分析，然后看KMO值，如果此值高于08，则说明效度高；如果此值介于07~08之间，则说明效度较好；如果此值介于06~07，则说明效度可接受，如果此值小于06，说明效度不佳。 第二个，公因子提取的比例数据。提取的公因子均大于08，说明提取的公因子可以比较好的解释问卷的数据。这个在论文中没有明确的标准，一般写大于06就可以。 这是第三个表格，这个表格代表的是提取的公因子解释问卷数据的比例。公因子提取的数量默认是提取特征值大于1的，上表可以看出，只有前3个是大于1的，所以提取前3个公因子。公因子解释整体问卷数据的比例为9174%，这个数值是看最右下键的数值。一般高于60%都是可以接受的。问卷信度效度比较好的时候这个数值可以到80%左右。 上图为输出的碎石图。对于碎石图普遍的解释是找出图中的陡坡和缓坡的临界点，就认为陡坡的是需要提取的公因子，可以看出第3和4为临界点。从碎石图可以看出每个因子代表的特征值，从碎石图可以更清晰的看出，前三个因子的特征值大于1，第四个因子所包含的信息量就小于1，也就是说第四个因子所代表的信息量已经不足以代表1道题目，所以就没有要提取多余的因子。 这是第四个表格，旋转后的成分矩阵表（注意，一般都是要用最大方差法对成分矩阵进行旋转的，不然因子之间容易混杂在一起，不容易区分出来）。这个表格代表的是每个因子在每个题目上所包含的信息量。一个比较好的问卷数据最终的展现的结果是每个因子将会代表一个维度，这个维度和手动做的维度划分是一致的。通过上表可以看出问卷数据被分成了三个主要的因子，分别为第VAR00001 - VAR00004, VAR00005- VAR00008, VAR00009- VAR00012三个主要的因子，也就是说上述三个段的题目分别代表不同的因子。因子分析的结果和问卷的维度划分是一致的是最好的情况，说明问卷效度很好，如果旋转后的成分矩阵和维度划分是不一致的，可以考虑重新做问卷或者使用成熟的问卷重新发放（这就又回到了问卷设计阶段）、或者和老师沟通下处理的方法，有的不严格的老师效度分析只要KMO的数值就可以，这样就可以避免展现这个表格。

---