在问卷研究中，分析问卷信效度总是不可避免的环节之一。

如何更有效得到进行信效度分析，避免无用功，今天我们就一起来探讨一下。

本文主要针对信度分析（效度介绍请期待后续文章）。从分析思路角度进行梳理，希望能够让大家对信度分析有更深入地理解。

1. 为什么要做信度分析

在进行信度分析前，首先需要了解什么是信度，以及为什么要做信度分析。

一份问卷在调查研究中，容易受到很多因素影响，导致实际测量的结果与预期想测量的目标产生偏差。

检验问卷的信效度的目的就是为了确保，回答的结果能够真实反映预期目标，收集的数据有分析价值。

信效度区分：如何直观理解信度、效度及两者关系？

2. 信度种类

单看信度，可以将信度分为两类：内在信度和外在信度。

内在信度，侧重问卷结构的一致性，也就是看题项是否都是考察同一个方向的问题。最常用的内在信度指标为Cronbachα系数和折半信度。

外在信度，侧重测量问卷在不同时间得到结果的稳定性程度。最常用的外在信度指标是重测信度。

（1）Cronbach α系数

目前最常用的信度测量方法。很多人第一次分析信度会认为信度分析就只有这一种，实际上还有很多测量信度的方法，只是这种方法最方便，可操作性强，因此多数论文中都会使用该方法。

操作方法：使用SPSSAU信度分析进行分析时，应按同一维度的题项为一个整体进行分析，整个量表分为几个维度就需要分析几次。

SPSSAU信度分析

判断标准：信度系数越大，代表信度越高。

分析结果

一般Cronbachα系数值最好在0.8以上，0.7-0.8之间可以接受；分量表的信度系数最好在0.7以上，0.6-0.7还可以接受。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，就要考虑重新编问卷。

结果展示：最终可将各个维度对应的分析结果整理汇总成一个表格进行展示。

（2）折半信度

折半系数是将所有量表题项分为两半，计算两部分各自的信度以及相关系数，从而估计整个问卷的信度。

操作方法：在SPSSAU选择信度分析时，右侧下拉框处选择‘折半系数’。

判断标准：折半信度系数越大，代表信度越高。

分析时需要结合两部分题项数是否相等，选择折半系数（Spearman-Brown系数）。

其判断标准可参考α信度系数的衡量标准。如果折半系数值介于0.7~0.8之间；则说明信度较好；如果折半系数值介于0.6~0.7；则说明信度可接受；如果折半系数值小于0.6；说明信度不佳。

（3）复本信度

复本信度是指设计两份（或多份）功能一致内容不同的问卷，对同一批样本进行测试，并两次结果的相关性。复本信度多用于教育学测验效果的信度考察，在一般量表中很少使用。

操作方法：分别计算两个复本各个维度（或整体）得分，使用pearson相关分析，考察两个量表的相关性。

SPSSAU相关分析

判断标准：相关系数越大，代表相关性越高，信度越高。

（4）重测信度

重测信度是指在不同时间，对同一批样本进行两次相同内容的问卷测量，并两次结果的相关性。

操作方法：和复本信度方法一致。分别计算两个复本各个维度（或整体）得分，使用pearson相关分析，考察两个量表的相关性。

3. 信度不达标的解决方法

信度系数不达标，通常就代表问卷质量不佳，需要删除部分题项或重新编制问卷。

但有一些情况下，信度系数过低甚至出现负值，可能是由于操作不当导致的。

①反向计分题未处理

如果α信度系数值小于0，很可能是量表中存在反向计分题，而在分析前未进行处理。

解决方法：先对反向题进行数据编码，反向处理后，使用处理后的数据进行信度分析。

②放错题项或用错方法

信度分析只针对量表题，如果将非量表题都放进去分析，就会导致结果非常槽糕。

解决方法：非量表题建议用文字描述数据收集的过程、样本有效性、无效样本的处理过程等，以证明数据质量可信可靠。

③样本量过少

样本少信度系数值相对会较低。

解决方法：增加样本量。

更为详细地说明可以查看SPSSAU文章：问卷信度不达标怎么办？以及结合SPSSAU帮助手册说明进行操作。

4. 分析思路

从分析角度看，为保证问卷质量，通常会在正式调研前，进行预调查，即小规模发放问卷，根据调研的信效度结果对问卷题项做调整，然后在进行正式调研。

预调研阶段和正式调研阶段均需要对问卷进行信效度检验，在确定问卷具有良好信效度后才可进行进一步分析。

总结

信度一般都比较容易达标。但如果没有进行预调研，且原本设计题项的就较少，在正式分析阶段得到信度系数非常低，很难进行调整，因此建议大家按照标准流程进行预调研。

以及以上所有信度检验都只针对量表题。非量表题分析请参考：SPSSAU信度分析帮助手册。

欢迎登录SPSSAU官网阅读相关内容。