SPSS基本操作、信度分析解读
SPSS基本功能及操作
SPSS基本功能及操作统计分析模型（1）信度分析文献[558]操作步骤：分析―度量―可靠性分析（R）―移动变量到项目（I）框内―统计量―描述性（项+度量+如果。
）―项之间（相关性）―继续―确定信度系数界限值：0．60―0．65认为不可信；0．65―0．70认为是最小可接受值：0．70～0．80认为相当好；0．80―0．90就是非常好。
因此，―份信度系数好的量表或问卷最好在0．80以上，0．70―0．80之间还算是可以接受的范围；分量表最好在0．70以上：0．60―0．70之间可以接受。
若分量表的内部一致性系数在0．60以下或者总量表的信度系数在0．80以下，应该考虑重新修订量表或增删题目。
案例处理汇总案例有效已排除总计 aN 102 0 102 % 100.0 .0 100.0 a. 在此程序中基于所有变量的列表方式删除。
可靠性统计量 Cronbach's Alpha 基于标准化项的 Cronbachs Alpha .822 .830 项数 7 项总计统计量项已删除的刻度均值经济因素成长因素 27.02 26.89 项已删除的刻度方差�� 12.415 10.058 校正的项总计相关性 .088 .782 多相关性的平方 .099 .669 项已删除的 Cronbach's Alpha 值 .872 .770删除任何题项后的Cronbach’s α系数也无显著提高。
可见核心知识性员工激励组合量表的内部一致性高，信度较好。
信度分析说明该问卷的整体结构设计具有较高的可信度。
由此可以认为，该问卷具有较好的内在信度，依此调查得到的数据是可信的，基于该问卷进行的数据统计分析结果也是比较可靠的。
1（2）效度分析文献[560] 每一个r值彼此都达到显著性水平的个数越多，就表示该分量表建构效度越好。
操作步骤：分析―相关―双变量（B）―移动变量到变量（V）框内―相关系数（Spearman/Kendalltau-b(K)）―显著性检验（双侧检验）―标记显著性相关―确定相关系数 Spearman 的 rho 经济因素成长因素精神因素领导因素环境因素工作因素管理因素 1.000 . 102 .241 .015 102 *经济因素相关系数 Sig.（双侧） N 成长因素相关系数 Sig.（双侧） N .241 .015 102 1.000 . 102 *.183 .065 102 .711 .000 102 **.125 .210 102 .691 .000 102 **.266 .007 102 .585 .000 102****.061 .544 102 .487 .000 102 **.144 .149 102 .432 .000 102 ***. 在置信度（双测）为 0.05 时，相关性是显著的。
spss软件进行信度分析
spss软件进行信度分析问卷的信度分析一、概念：信度是指根据测验工具所得到的结果的一致性或稳定性，反映被测特征真实程度的指标。
一般而言，两次或两个测验的结果愈是一致，则误差愈小，所得的信度愈高，它具有以下特性：1 、信度是指测验所得到结果的一致性或稳定性，而非测问卷的信度分析一、概念：信度是指根据测验工具所得到的结果的一致性或稳定性，反映被测特征真实程度的指标。
一般而言，两次或两个测验的结果愈是一致，则误差愈小，所得的信度愈高，它具有以下特性：1、信度是指测验所得到结果的一致性或稳定性，而非测验或量表本身；2、信度值是指在某一特定类型下的一致性，非泛指一般的一致性，信度系数会因不同时间、不同受试者或不同评分者而出现不同的结果；3、信度是效度的必要条件，非充分条件。
信度低效度一定低，但信度高未必表示效度也高；信度检验完全依赖于统计方法。
信度可分为：内在信度：对一组问题是否测量同一个概念，同时组成量表题项的内在一致性程度如何；常用的检测方法是Cronbach’s alpha系数。
外在信度：对相同的测试者在不同时间测得的结果是否一致，再测信度是外在信度最常用的检验法。
二、信度指标：1．用信度系数来表示信度的大小。
信度系数越大，表明测量的可信程度越大。
究竟信度系数要多少才算有高的信度。
学者DeVellis（1991）认为，0.60～0.65（最好不要）；0.65～0.70（最小可接受值）；0.70～0.80（相当好）；0.80～0.90（非常好）。
由此，一份信度系数好的量表或问卷，最好在0.80以上，0.70至0.80之间还算是可以接受的范围；分量表最好在0.70以上，0.60至0.70之间可以接受。
若分量表的内部一致性系数在0.60以下或者总量表的信度系数在0.80以下，应考虑重新修订量表或增删题项。
2．信度指标多以相关系数来表示：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）。
spss信度分析
spss信度分析SPSS信度分析在社会科学研究领域中，信度是指测量工具或问卷的稳定性和可靠性。
信度分析是通过统计方法来评估研究工具的测量精度，从而确定测量结果的可靠程度。
SPSS（统计包括计算机科学）是一款常用的统计分析软件，提供了多种方法来进行信度分析。
本文将介绍SPSS中常用的信度分析方法及其应用。
一、信度分析的概念信度是指测量工具或问卷在不同测量时间、不同测量者或不同评分方式下，得到相似结果的能力。
在社会科学研究中，一个测量工具如果具有较高的信度，意味着在重复使用时，可以得到稳定一致的结果。
因此，信度是保证研究结果可靠性的重要指标之一。
二、常用的信度分析方法在SPSS中，常用的信度分析方法有内部一致性信度分析和重测信度分析。
1. 内部一致性信度分析内部一致性信度分析是通过评估问卷或测量工具中各项指标之间的相关性来确定测量工具的一致性和稳定性。
常用的内部一致性信度分析方法包括Cronbach's α系数和因子分析。
Cronbach's α系数是评估测量工具内部一致性的常用指标，该系数介于0和1之间，数值越大代表测量工具的一致性越高。
在SPSS 中，可以通过计算Cronbach's α系数来评估测量工具的内部一致性。
因子分析是一种用于确定多个变量之间相关性的分析方法。
在信度分析中，也可以通过因子分析来评估测量工具的内部一致性。
通过因子分析，可以确定测量工具中的几个主要因素，从而评估测量工具的一致性。
2. 重测信度分析重测信度分析是通过对同一受试者在不同时间点进行重复测量，来评估测量工具的稳定性和可靠性。
常用的重测信度分析方法包括相关系数和可信度系数。
相关系数是一种用于测量两个变量之间相关性的指标。
在重测信度分析中，可以通过计算同一受试者在不同时间点的测量结果之间的相关系数，来评估测量工具的重测信度。
可信度系数是一种评估测量工具重复使用的一致性和稳定性的指标。
在SPSS中，可以通过计算可信度系数来评估测量工具的重测信度。
SPSS信度效度分析讲述
SPSS信度效度分析讲述SPSS是一款广泛应用于社会科学研究的统计分析软件，它可以进行信度和效度分析，以确保研究工具的稳定性和有效性。
下面将详细介绍SPSS中的信度和效度分析。
一、信度分析：信度是指研究工具（问卷、测验、量表等）在不同场景下的一致性和稳定性。
信度分析用于评估研究工具的测量误差，即工具所测量的内容与实际内容的一致程度。
常用的信度分析方法有内部一致性信度分析、平行性信度分析和稳定性信度分析。
1.内部一致性信度分析：内部一致性信度是指同一个测量工具中各项之间的相关程度。
一般使用Cronbach's Alpha系数来进行内部一致性信度分析，该系数的取值范围为0到1，数值越大表示工具的内部一致性越好。
SPSS软件可以计算Cronbach's Alpha系数，使用“Analyze- Scale- Reliability Analysis”菜单进入信度分析界面。
2.平行性信度分析：平行性信度是指两个工具（或两组题目）测量相同或类似内容时的一致性。
主要通过确定两个工具的相关系数来评估平行性信度。
在SPSS中，可以使用Pearson相关系数或Spearman相关系数来分析工具之间的平行性。
3.稳定性信度分析：稳定性信度是指同一个测量工具在不同时间或条件下的一致性。
一般使用重测法或分半法来进行稳定性信度分析。
重测法是在不同时间对同一样本进行两次测量，然后计算测量结果之间的相关系数。
分半法是将同一份问卷随机分成两部分，计算两部分得分之间的相关性。
在SPSS中，可以使用相关系数来计算稳定性信度。
二、效度分析：效度是指所使用的测量工具是否能真实、准确地反映研究对象的特征、状态或情况。
效度分析用于评估工具的有效性和准确性，常用的效度分析方法有内容效度分析、构效效度分析、判别效度分析和相关效度分析。
1.内容效度分析：内容效度是指测量工具能否涵盖所要评估的特征或特性。
通过专家评估来确定测量工具的内容效度，专家根据其领域知识和经验，对测量工具的题目进行评价和修改。
SPSS测量问卷信效度分析
SPSS测量问卷信效度分析在社会科学研究中，问卷调查是一种常用的数据收集方法。
为了确保测量工具的有效性和可靠性，我们需要进行信效度分析。
本文将介绍如何使用SPSS软件对问卷进行信效度分析的步骤和方法。
一、信度分析信度是指测量工具在不同时间点或者多个观察者之间的一致性和稳定性。
常用的信度检验方法有重测法、分半法和内部一致性法。
在SPSS中，我们可以使用Cronbach's Alpha系数来计算问卷的内部一致性。
1. 导入数据首先，将收集到的问卷数据导入SPSS软件中。
确保每个问题都用不同的变量来表示，并且每个被试者的数据都在一行中。
2. 创建变量在菜单栏中选择"变量视图"，然后逐个输入每个问题的变量名和相关信息，比如问题的编号、内容和选项。
3. 计算Cronbach's Alpha系数在菜单栏中选择"分析" - "计算变量" - "反向"，对需要反向计分的问题进行操作。
然后，在菜单栏中选择"数据" - "描述性统计" - "可信度分析"，选择需要进行信度分析的变量，然后点击"统计值"，选择"Cronbach's Alpha系数"并点击"确定"。
Cronbach's Alpha系数的取值范围为0到1，数值越大表示问卷的内部一致性越高。
通常，如果Cronbach's Alpha系数大于0.7，可以认为问卷具有较好的内部一致性。
二、效度分析效度是指问卷是否能够真实地反映出所要测量的概念或者特征。
常用的效度检验方法包括内容效度、构效度和准则效度。
在SPSS中，我们可以通过因子分析和相关系数来进行效度分析。
1. 因子分析因子分析可以用来确定问卷中的维度或者潜在变量。
在菜单栏中选择"分析" - "数据降维" - "因子"，选择需要进行因子分析的变量，然后点击"提取"，选择主成分分析或者最大似然法，并选择因子的数量。
如何使用spss进行问卷效度和信度分析
如何使用spss进行问卷效度和信度分析哎呀，这可是个大问题啊！让我们一起来看看如何使用SPSS进行问卷效度和信度分析吧！我们需要了解一下什么是效度和信度。
效度是指问卷能否准确地测量我们想要研究的概念，而信度则是指问卷的稳定性和一致性，即同一人在不同时间或环境下回答相同的问题时，答案是否一致。
那么，我们该如何使用SPSS来进行这些分析呢？我们需要导入数据。
这里啊，数据就像是我们的钱财，需要妥善保管。
在SPSS中，我们可以通过“文件”->“打开”来导入我们的数据。
记得把数据放在一个合适的文件夹里，这样我们才能轻松找到它哦！接下来，我们需要对数据进行预处理。
这个过程就像是给我们的数据洗个澡，让它变得更加整洁。
在SPSS中，我们可以通过“数据”->“清洗”来进行预处理。
这里有一些常见的数据清洗任务，比如缺失值处理、异常值处理等。
通过这些任务，我们可以让数据变得更加规范，便于后续的分析。
好了，现在我们的数据已经准备好了。
接下来，我们就可以开始进行效度和信度分析了。
在SPSS中，我们可以通过“分析”->“可靠性”来进行这些分析。
在这里，我们可以选择不同的分析方法，比如Cronbach's alpha系数、KMO和Bartlett's球形检验等。
这些方法可以帮助我们了解问卷的效度和信度情况。
在进行效度和信度分析时，我们需要注意以下几点：1. 我们需要确保我们的问卷设计是合理的。
一个好的问卷设计应该能够准确地反映我们想要研究的概念，同时避免引导受访者给出特定答案的问题。
2. 我们需要选择合适的分析方法。
不同的问卷可能适用于不同的分析方法，所以我们需要根据具体情况来选择。
3. 我们需要关注分析结果。
如果分析结果显示我们的问卷效度和信度较低，那么我们就需要重新审视我们的问卷设计，看看是否有需要改进的地方。
使用SPSS进行问卷效度和信度分析是一个相当有趣的过程。
通过这个过程，我们可以更好地了解我们的问卷质量，从而提高研究的质量。
SPSS信度效度分析讲述
SPSS信度效度分析讲述SPSS是一种常用的统计软件，常用于数据分析和统计建模。
其中，信度和效度是数据分析过程中核心的概念。
本文将介绍SPSS中信度和效度分析的基本知识和步骤。
一、什么是信度在心理学和教育学等社会科学领域，信度是指测量工具在不同情况下所得数据的稳定程度。
具体来说，当测量工具的信度越高时，数据测量所得的结果也越稳定准确。
为了保证测量工具的信度，通常需要对其进行信度分析。
二、SPSS中信度分析的步骤1. 准备数据在进行信度分析之前，需要准备好所有相关数据。
这里的数据通常指测量工具的各项指标或评估指标。
在SPSS中，可以将数据录入或导入软件中。
2. 进入信度分析页面在SPSS软件中，点击“分析”-“可靠性”-“信度分析”可打开信度分析页面。
3. 选择计算方法在信度分析页面中，可以选择计算方法。
常见的计算方法包括Cronbach's alpha、Kuder-Richardson等。
不同的计算方法支持不同类型的数据，选择合适的计算方法可以提高信度分析的准确性。
4. 选择指标在选择计算方法后，需要选择指标。
没有合适的指标将无法进行信度分析。
在SPSS中，可以通过将相关指标拖到指标列表中来选择指标。
5. 查看结果在选择指标后，SPSS会对数据进行信度分析，并显示分析结果。
对于不同的计算方法和指标，分析结果的形式不同。
常见的分析结果包括信度系数、标准误差等。
总结：在SPSS中，信度和效度是数据分析中两个非常重要的概念。
信度分析可以帮助我们确定测量工具的稳定性，从而提高数据的准确性。
效度分析可以帮助我们了解测量工具所测量的内容与实际内容的相关程度，从而提高测量工具的准确性。
对于需要进行数据分析的研究者来说，熟练掌握SPSS中的信度和效度分析方法是十分必要的。
SPSS的信度分析
1、重测信度法
• 其基本思路是应用同一测验方法，对同一组被 试者先后两次进行测查，然后计算两次测查所 得分数的关系系数，相关程度高，表示前后测 量一致性高，稳定性好。
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 度法要求两个复本除表述方式不同外，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、克朗巴哈α 系数 • 克朗巴哈α 系数用于测度量表内部的一致性，
其计算公式为：
kr
1 (k 1)r
• 其中，k为评估项目数， r 为k个项目相关系数
的均值。克朗巴哈α 系数在0~1之间。
一般情况下：
克朗巴哈α 系 数
信度
α >0.9 很高
0.8<α <0.9 可以接受
0.7<α <0.8
0.8-0.9 非常好
四、信度分析的应用
五、信度分析参考文献
• [1] 孙涛,杜鹏东. 统计软件SPSS在试卷再测信度计算中的应用[J]. 实验技术与管理. 2008(03)
• [2] 吴海霞. SPSS在试卷相关性分析和再测信度计算中的应用[J]. 电脑知识与技术. 2008(S2)
• [3] 宋小平,张敏,陈建军,张晟. SPSS在医学生物学试卷的信度和效度分析中的应用[J]. 生 物学通报. 2008(11)
• [8] 童中华. 影响考试信度的几种因素的探讨[J]. 安徽教育学院学报. 2002(03)
谢谢
• [2] 何康乐. 学生成绩分析的初探[J]. 中国校外教育(理论). 2009(01)
如何使用spss进行问卷效度和信度分析
如何使用spss进行问卷效度和信度分析如何使用 SPSS 进行问卷效度和信度分析在进行社会科学研究或者市场调研等工作时，问卷是一种常用的数据收集工具。
然而，仅仅收集到数据是不够的，还需要对问卷的质量进行评估，这就涉及到问卷的效度和信度分析。
SPSS 作为一款功能强大的统计分析软件，可以帮助我们有效地完成这些分析。
接下来，我将详细介绍如何使用 SPSS 进行问卷效度和信度分析。
一、问卷效度分析效度是指测量工具或手段能够准确测出所需测量的事物的程度。
简单来说，就是问卷是否真正测量了我们想要测量的东西。
1、内容效度内容效度主要是通过专家判断和文献参考来评估问卷的题目是否涵盖了研究主题的各个方面。
在 SPSS 中，一般不直接进行内容效度的分析，但可以在设计问卷阶段，征求专家意见来保证内容效度。
2、结构效度结构效度通常使用因子分析来检验。
首先，需要检查数据是否适合进行因子分析。
可以通过 KMO 检验和 Bartlett 球形检验来判断。
在 SPSS 中，操作步骤如下：（1）选择“分析” “降维” “因子分析”。
（2）将需要分析的变量选入“变量”框。
（3）点击“描述”，勾选“KMO 和 Bartlett 的球形度检验”。
如果 KMO 值大于 06，且 Bartlett 球形检验的 p 值小于 005，则说明数据适合进行因子分析。
接下来，进行因子提取和旋转。
常见的方法有主成分分析和主轴因子法等。
旋转方法可以选择方差最大正交旋转或斜交旋转。
根据旋转后的因子载荷矩阵，判断问卷的结构效度。
如果题项在预期的因子上有较高的载荷（一般大于 04），且在其他因子上的载荷较低，则说明问卷具有较好的结构效度。
3、效标关联效度效标关联效度是通过考察问卷得分与某个外在效标（如已有的成熟量表或实际行为表现）之间的相关性来评估效度。
在 SPSS 中，可以通过计算问卷得分与效标变量之间的皮尔逊相关系数来判断效标关联效度。
如果相关系数显著且符合预期的方向，则说明问卷具有较好的效标关联效度。
spss数据分析教程之SPSS信度分析和效度分析报告
spss数据分析教程之SPSS信度分析和效度分析报告信度分析和效度分析数据计分方法说明1 信度分析这里有63份问卷，首先我们需要的判定的是问卷中的调查题目能否反映调查的目的和调查的意图，问卷中的各个问题是否测量了相同的容和信息；同时，对于调查问卷所得到的数据是否具有可靠性，就必须在对问卷分析之前做信度分析。
信度本身与测量结果的正确与否无关，它的用途在于检测问卷本身的稳定性。
信度分析中常用Cronbach α系数的大小来衡量调查问卷的信度。
一般而言，如果问卷的信度系数达到0.9以上，该问卷调查的信度就较好；信度系数在0.8以上，是不错的；一般认为试卷信度在0.5至0.9以是合理的，如果信度系数低于0.5，则此问卷的调查结果就不可信了。
将以上63份问卷的数据用SPSS21.0先进行标准化处理，再进行信度分析，其结果如表一所示：整体问卷.61731职业倦怠.82210心理资本.8018组织气氛.8378总体幸福感.6795表一显示，整体问卷和问卷中的各个维度的Cronbach's Alpha系数值均大于0.6，所以可以推断此问卷的可信度一般，该评价问卷只具有很较高的在一致性。
2 效度分析具备信度的问题不一定具备效度，因此做完信度分析，再用SPSS21.0对其进行效度分析。
2.1 因子模型适应性分析效度分析使用的是因子分析模型，在运用因子模型分析之前，首先要对问卷数据进行因子模型适应性分析，分析结果如下表所示：表二 KMO 和 Bartlett 的检验由上表的数据可知，问卷数据的KMO值为0.657，并且通过了显著性水平为0.05的巴特利球型检验，说明问卷调查的数据非常适合做因子分析。
2.2 因子分析结果在进行了适应性检验之后，接下来就进行因子分析，其结果如下：表三方差贡献率解释的总方差成份初始特征值提取平方和载入旋转平方和载入合计方差的 % 累积 % 合计方差的 % 累积 % 合计方差的 % 累积 %1 8.752 28.231 28.231 8.752 28.231 28.231 4.937 15.926 15.9262 3.259 10.514 38.745 3.259 10.514 38.745 3.766 12.14828.0743 2.715 8.758 47.503 2.715 8.758 47.503 2.996 9.666 37.7404 2.286 7.374 54.877 2.286 7.374 54.877 2.714 8.756 46.4965 1.516 4.891 59.768 1.516 4.891 59.768 2.584 8.335 54.8316 1.342 4.328 64.096 1.342 4.328 64.096 2.076 6.697 61.5287 1.252 4.038 68.134 1.252 4.038 68.134 1.709 5.511 67.0408 1.053 3.398 71.532 1.053 3.398 71.532 1.393 4.492 71.5329 .958 3.089 74.62010 .880 2.840 77.46111 .762 2.459 79.92012 .714 2.302 82.22213 .684 2.207 84.42914 .623 2.011 86.44015 .580 1.870 88.30916 .509 1.642 89.95117 .449 1.449 91.40018 .394 1.272 92.67219 .342 1.104 93.77720 .289 .934 94.71021 .276 .892 95.60222 .258 .833 96.43523 .204 .659 97.09424 .184 .592 97.68625 .171 .552 98.23926 .148 .478 98.71727 .121 .391 99.10828 .101 .325 99.43329 .079 .254 99.68730 .058 .186 99.87331 .039 .127 100.000提取方法：主成份分析。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
学生成绩的初步分析
分段统计
分数段 人数
分数分布形态
<60
1
16
14
60-69
峰度（Kurtosis）
指描述某变量所有取值分布形态陡缓程度的 统计量。是与正态分布相比较的量。峰度 大于0表示比正态分布高峰要更加陡峭。峰 度小于0表示比正态分布高峰要更加平坦。
偏度（Skewness） 是描述某变量值取值分布对称性的统计量。 偏度大于0为正偏，长尾巴托在右边 偏度小于0为负偏，长尾巴托在左边
X
1 n
n i 1
Xi
▪ 平均差 Xi X
▪ 中位数：按大小顺序排列，
n
位于中间位置的数。
Md
▪
方差
2
Xi X 2
n
▪ 众数：出现频数最多的数。
M0
▪ 标准差
Xi X 2
n
相关系数
▪ 积差相关：两变量均为正态连续变量，(一般n≥30)。
r Xi X Yi Y Xi X Yi Y
李连杰 68
88
-2
+7
4 49 -14
赵明
78
82
+8
+1 64 1
8
何其兵 62
76
-8
-5 64 25 40
郭宇
64
78
-6
-3 36 9 18
成小亮 66
75
-4
-6 16 36 24
露思
71
84
+1
+3
19
3
玛丽
73
80
+3
-1
91
-3
汤姆
77
83
+7
+2 49 14
杰克
70
87
0
+6
第四章 用SPSS做信度分析
一、常用的统计量和数据分布
▪ 集中量数： 代表一组数据典型水平或集中趋势的量。 ▪ 差异量数： 代表一组数据离散程度、变异程度的量。 ▪ 相关系数： 用于描述两个或多个变量间关联程度的量。 ▪ 正态分布 ▪ 学生成绩的初步分析
集中量数和差异量数
▪ 算术平均数 X或M
▪ 全距 Range max min
变量数据标准化（Z得分或Z分数）：比较两 个从不同单位总体中抽出的变量值。
▪ 标准分数又简称标准分，它是以原始分与 平均分之差（离差）除以标准差的商。是 表示某人的原始分数在一个群体中所处的 相对位置的一个量数。
标准分数的特点
▪ 1. 标准分给出了个体在总体中的位置，如果Z＞0， 则考生分数在平均分之上；如果Z＜O，其成绩 在平均分数之下；如果Z＝0，考生成绩处在总体 平均分的水平。
0 36
0
∑
400 210
0
0 244 186 86
x
244 4.94 10
y
186 4.31 10
rxy
xy n x y
86 10 4.94 4.31
0.40
正态分布和正态曲线
▪ 最为常见一种概率分布形态，在理论和实践中均 有广泛的应用。
▪ 简记 N , 2
▪ 特征：单峰、对称 决定分布的中心位置， 决定峰高和宽窄。
n x y
Xi X 2 Yi Y 2
令x X i X；y Yi Y
可得r
xy
xy
n x y
x2 y2
▪ 相关系数的取值范围在-1~1之间，其绝对值越大， 表明两变量间的线性关联越强。
数学X 化学Y x=X- X y= Y- Y x2
y2
xy
李安
71
77
+1
-4
1 16 -4
▪ 2. 原始分数（X）转换成标准分数（Z）是线性 转换，那么标准分的分布形状与原始分的分布形 状是相似的。当原始分的分布是正态分布时，标 准分的分布也是正态分布的。
▪ 3. 在标准分数组中，都是以平均数为零，标准差 为1的。这对于任何一个由原始分数转换来的标 准分数组都是成立的。
▪ 这样通过标准分转换将不同科（次）考试成绩调 整到同参照点，同一分值单位，也就是说标准分 具有相同参照点和等距性，这是其最大的优点， 因而可以对考生的考试得分进行比较，各种成绩 也具有可加性（合总分）。
功能
对各变量进行重复测量的方差分析，适用数据呈 正态分布时
7
12
10
70-79
15
8
系列1
6
80-89
15
4
2
>90
5
0
<60 60-69 70-79 80-89 >90
注: (1)各分数段的区间大小应根据实际需要确定。 (2)一般要求学生的成绩分布为正态或负偏态。
二、SPSS界面简介
▪ Analysis-Descriptive Statistics-Descriptives
折半信度
真实信度的Guttman最低下限
变量方差齐时，采用最大似然估计方法 （maximum-likelihood）计算的信度系数 平均数与变异数均相等时的最大似然估计法计算 的信度系数
关键字 F test
Friedman Chi Cochran Chi Hotelling’s T Tukey’s Intraclass
▪ 单击Options
标准化处理
测验的信度
▪ 信度（reliability）：测验结果的稳定性、可靠性程度。 ▪ 信度的统计定义
X T E
2 X
2 T
2 E
rxx
2 T
/
2 X
重测信度和复本信度的估计方法
地理X
地理Y x=X- X y= Y- Y x2
y2
xy
李安
71
77
+1
-4
1
16
-4
▪ 数学、语文成绩在总体中比平均分(零分)分明高出1. 5和3 个标准差。这样我们可以肯定地说语文比数学的成绩好。
▪ 在总体中由标准分构成的次数分布曲线就是以平均数为 零、标准差为1的标准正态分布。在标准正态分布中，标 准分与所对应的分布次数（百分数）是一一对应着的， 通过标准正态分布表即可查到标准分其相应的百分数。
86
x
244 4.94 10
y
186 4.31 10
rxy
xy n x y
86 0.40 10 4.94 4.31
SPSS实现
分半信度和同质性信度
关键字 Alpha Split-half Guttman Parallel Strict parallel
功能
Cronbach a系数
李连杰
68
88
-2
+7
4
49
-14
赵明
78
82
+8
+1
64
1
8
何其兵
62
76
-8
-5
64
25
40
郭宇
64
78
-6
-3
36
9
18
成小亮
66
75
-4
-6
16
36
24
露思
71
84
+1
+3
1
9
3
玛丽
73
80
+3
-1
9
1
-3
汤姆
77
83
+7
+2
49
4
14
杰克
70
87
0
+6
0
36
0
∑
700
810
0
0
244 186