信效度分析问卷量表设计
调查问卷的信度与效度
THANKS
使用简洁的语言，避免使用复杂的术语和行话，以确保所 有被调查者都能理解问题。
避免引导性问题
引导性问题会引导被调查者朝着特定的方向回答，从而影 响结果的准确性。
提高效度的设计策略
设计具有代表性的样本
确保样本具有代表性，能够反映整个目标 群体的特征。
避免双重性问题
双重性问题是指一个问题中包含两个或多 个方面，被调查者难以回答。
标准效度
标准效度是指测量结果与某种标准相比较，从而 判断测量结果的可靠性。通常情况下，某种标准 是指一个已经被确认的标准量表或者是公认的标 准。
结构效度
结构效度是指测量工具是否具有合理的结构，各 测量项目之间是否具有内在联系，即测量工具的 有效性。
逻辑效度
逻辑效度是指测量结果具有逻辑的可解释性，即 测量结果具有合理的逻辑结构和变量关系。
《调查问卷的信度与效度》
xx年xx月xx日
目 录
• 调查问卷的信度 • 调查问卷的效度 • 调查问卷的设计与优化 • 调查问卷的应用场景与实例分析
01
调查问卷的信度
信度的定义
信度是指测量结果的稳定性程度，即无论何 时、如何进行测量，结果都应该相同或者十 分接近。换句话说，信度评估的是测量的一 致性和稳定性。
使用封闭式问题
封闭式问题可以限制答案的范围，使数据 更容易汇总和分析。
确保问题的逻辑性
问题的排列顺序应该符合逻辑，以便被调 查者能够轻松地理解问题的意图。
调查问卷的优化技巧
使用简洁的语言
避免使用复杂的术语和行话，使用 简洁的语言来确保所有被调查者都 能理解问题。
优化问题设计
根据前期测试的结果，对问题进行 优化和调整，以提高问卷的可靠性 和有效性。
问卷信效度分析
参照抑郁症样本中较高的特异性和灵敏度，选 取最大卡方值作为区分正常水平、轻度抑郁水 平、中度抑郁水平和重度抑郁水平的划界分
区间范围 0 1-2 2-3 3-4 4-5 5-6 6-7 7-8 8-9
9-10 10-11 11-12 12-13 13-14 14-15
敏感性 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .954 .954 .938 .938 .938 .938 .923 .892
认知-情感因子 条目
忧愁感 悲观 失败感 愉快感缺乏 内疚感 受惩罚感 自我厌恶感 自我批评 自杀意念 哭泣 激越 兴趣丧失 犹豫不决 无价值感 易激惹 精力丧失
载荷
0.595 0.592 0.603 0.564 0.532 0.579 0.650 0.468 0.546 0.486 0.621 0.613 0.557 0.657 0.651 0.466
敏感性 .585 .538 .508 .462 .415 .415 .369 .338 .323 .308 .277 .262 .246 .215 .185
特异性 .063 .047 .031 .031 .031 .016 .016 .016 .000 .000 .000 .000 .000 .000 .000
躯体症状因子 条目 睡眠下降 食欲下降
载荷 0.641 0.553
ROC曲线
ROC曲线是根据一系列不同的二分类方式（分界值 或决定阈），以真阳性率（灵敏度）为纵坐标，假阳性 率（1-特异度）为横坐标绘制的曲线。本研究基于ROC 曲线对于样本进行划界分。ROC曲线致力于比较正常样 本和抑郁样本的BDI-Ⅱ总分。
χ2
0.667 0.143
问卷(量表)信效度检验的软件实现(SPSSAmos)
.000 .171
.768 .568
条目--..1002转48 移
.051 .226
-.023 .162
-.182 27：“.时565间周期性 ---“情.01感2 表征”-.032
...0211”06319 28：“时..002706间周期性.81.789”7-
-
-
-.030
“消.00极6
结果”
.134 .074
Item11 Item11B Item12
偏度
峰度
统计量
标准误
统计量
标准误
-.201
.427
-.838
.833
-.280
.427
-.623
.833
.238
.427
-.729
.833
.093
.427
-.674
.833
.134
.427
-.766
.833
-.012
.427
-.648
.833
.041
.427
探
索
性
因
子
分
“选项”： 按大小排列
析
探 索 性 因 子 分 析
探
KMO和Bartlett 的检验
索
性
取样足够度的Kaiser-Meyer-Olkin 度量。
因
Bartlett 的球形度检验
子
近似卡方
分 df
析
Sig.
.863 5423.460
496 .000
➢KMO越接近1越适合做因子分析，一般要求>0.8；
二、软件实现—重测信度分析
• 小样本测量一次，两周后所有小样本进行 重复测量，随后再进行大样本的正式调查。
信度与效度分析步骤
信度与效度分析步骤信度与效度是社会科学研究中的重要概念，其对于研究结果的可靠性和有效性有着至关重要的影响。
在进行量表研究、问卷调查等量化方法的研究时，需要进行信度与效度分析，以确保研究结果的准确性。
下面将介绍信度与效度分析的步骤。
一、信度分析步骤1. 了解信度在进行信度分析之前，首先需要了解什么是信度。
信度是指量表或问卷的稳定性、一致性和可靠性程度。
在同样条件下，如数据的采集方式、研究对象、时间等条件不变的情况下，同一测验所得分数的一致性程度越高，则表明该测验的信度越高。
2. 测量信度的方法测量信度的方法有很多种，如测试重测法、平行测验法、内部一致性检验法等。
其中，测试重测法是最常用的方法之一。
该方法的基本思想是在不同的时间或条件下，对相同的受试者进行同一测验的重复测量，用相关系数或可信度系数来评价测试结果的稳定性和一致性。
3. 数据处理与分析在获得原始数据后，需要进行数据处理和分析。
常用的方法是计算相关系数和可信度系数。
常用的相关系数有皮尔逊相关系数和斯皮尔曼等级相关系数。
可信度系数是反映量表或问卷信度的最常用的统计指标之一。
常用的可信度系数有克朗巴赫α系数、Mcnemar法、Kappa系数、ICC系数等。
4. 结果解释最后需要对得出的数字进行解释，并结合实际情况来评估测量工具的信度程度。
一般来说，可信度系数越高，信度越高。
二、效度分析1. 了解效度效度是指测量工具所充分、准确地反映测量对象的特征和属性的程度，即测量工具所提供的信息与真实情况的匹配程度。
在进行效度分析之前，需要了解量表或问卷的检验目的和测量内容。
2. 提高效度的方法提高效度是所有研究中的重点，效度的提高有多种方法，如构思效度、判别效度、预测效度等。
在测量工具的设计初期，需要充分考虑效度，并进行合理的测量工具设计。
同时，还需要加强试题的设计和选择。
在进行测量之前，还需要对测量工具进行预测效度的检验，以确保测量结果的准确性。
3. 数据处理与分析在获得原始数据后，需要进行数据处理和分析。
问卷信度效度分析
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。
信度和效度是用来衡量问卷质量的，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。
调查问卷分为量表题和非量表题。
调查问卷数据分析要看有没有量表题，如果有量表题，首先需要进行信度分析和效度分析。
非量表题不能进行信度分析和效度分析。
1 量表题和非量表题1.1 量表题一般是测试受访者的态度或者看法的题目，是分陈述等级进行设置的。
比如我们对手机的喜爱从非常喜欢到不喜欢这个程度的变化。
通常使用李克特量表来测度，根据答项数量可分为四级量表，五级量表，七级量和九级量表。
比如五级量表可以分为：非常不满意，比较不满意，中立，满意和非常满意五个选项，通常赋予分值1，2，3，4，5。
1.2 非量表题分类数据，例如（性别、年龄、学历等）2 信度分析2.1 概念信度分析用于检验问卷中量表样本是否可靠可信。
通俗地讲研究样本是否真实回答问题，测试受访者是否好好答题，具体来说就是用问卷对调研对象进行重复测量时，所得结果的一致性程度。
通俗讲，信度就是一次测量很可靠，再测一次，再测10次，结果都是差不多的。
克隆巴赫系数是最常用的信度测量方法2.2 评判方法2.21 计算步骤克隆巴赫系数公式：该系数值越高，问卷的信度越好，Cronbach’s alpha系数值的范围以及效果如下：一般来说，Cronbach’s alpha系数大于0.7都是可以接受的。
2.3 案例介绍及操作过程某公司想了解新出的一款饮品的客户接受情况。
于是设计了一份问卷让客户从产品、服务、价格、质量四个方面进行打分，并在每个维度上拓展三到四个问题，以下是收集好的问卷回答，打分方面使用的是李克特5 级量表。
把数据导入到spsspro中，点击信度分析，将定量数据拖入到变量框中，点击开始分析。
论文写作中的问卷设计与信效度分析
论文写作中的问卷设计与信效度分析在论文写作中，问卷设计和信效度分析是非常重要的环节。
合理有效的问卷设计和可靠的信效度分析可以提高论文的质量和可信度。
本文将探讨论文写作中的问卷设计和信效度分析的相关内容。
一、问卷设计问卷设计是论文研究中非常重要的一环。
一个好的问卷设计可以使研究者获得准确的数据，并且保证研究问题的答案对于研究是有意义的。
以下是一些关于问卷设计的要点：1. 确定研究目的：在设计问卷之前，研究者需要明确自己的研究目的。
只有明确的目的，才能设计出有针对性的问题。
2. 清晰简洁的问题：问题的表述应该清晰简洁，避免使用模糊的词汇或含糊的语句。
问题应该具体明确，确保被调查者能够准确理解并回答。
3. 问题类型选择：根据研究目的和需要收集的数据类型，选择合适的问题类型。
常见的问题类型包括选择题、填空题、量表题等。
选择题适合于获取分类数据，填空题适合于获取详细信息，量表题适合于获取定量数据。
4. 问题顺序：将问题按照一定的逻辑顺序进行排列，遵循从整体到具体的原则。
问题的顺序应该合理，能够帮助被调查者更好地理解问题。
5. 避免干扰因素：在问卷设计过程中，需要注意避免一些干扰因素的存在。
例如，问题的排列顺序不应该影响回答者的判断，问题的表述应该避免使用主观判断的词汇等。
二、信效度分析信效度分析是评价问卷设计质量的重要指标之一。
一个问卷的信效度直接影响到所获得数据的可靠性和有效性。
以下是一些常用的信效度分析方法：1. 信度分析：信度指的是测量工具的稳定性和一致性。
常见的信度分析方法包括重测信度和内部一致性信度。
重测信度是通过重复测试获得的分数之间的相关性来衡量的，而内部一致性信度是通过衡量各个问题之间的相关性来评价的。
2. 效度分析：效度指的是测量工具所测量的是不是我们想要测量的概念。
常见的效度分析方法包括内容效度、构效度和判别效度。
内容效度是衡量测量工具是否涵盖了想要测量的所有内容的度量指标；构效度是评价测量工具构建的理论模型是否合理的指标；判别效度是评价测量工具与其他相关测量工具之间的区别性的指标。
调查问卷效度分析
调查问卷效度分析调查问卷效度分析在进行问卷研究时，特别是问卷中有非常多的量表题时，量表设计是否合适，量表设置有效与否，如同信度一样，是非常重要的问题。
如果量表设计不合理，基于此量表的数据也会受到置疑。
接下来就具体阐述效度分析以及效度分析时的操作方法，如何解决出现的问题等。
效度分析，简单来说就是量表设计的有效性情况，其可分为三类，分别是：内容效度、结构效度和效标效度，建议研究人员使用内容效度和结构效度对问卷进行效度质量衡量，一般很少使用到效标效度。
(1)内容效度内容效度是指问卷题项对相关概念测量的适用性情况，简单来讲即题项设计合理性情况。
内容效度可以从两个方面进行说明，第一是专家判断，专家具有权威性，因此专家对问卷进行判断并得出肯定结论后也即说明问卷具有有效性，此处专家是指行业内专家，或者参考文献，也或者权威来源等。
第二为问卷前测结果，通过对问卷前测并结合结果进行题项的修正等工作以充分说明问卷的有效性。
在具体分析过程中，内容效度通常是指研究题项的设计是否具有参考文献出处，是否有经过老师(专家)的认可，以及是否得到同专业相关人员比如同学的认可等。
以及研究人员是否对问卷进行修正工作，比如对问卷进行前测后发现问题，并做出修正工作。
内容效度是通过文字性进行描述说明，而并非统计软件进行的统计方法，对于问卷研究来讲，基本上均需要进行内容效度说明。
(2)结构效度结构效度指测量题项与测量维度之间的对应关系，其测量方法有两种，一种是探索性因子分析，另外一种是验证性因子分析。
探索性因子分析是当前使用最为广泛的结构效度测量方法，此方法可以使用SPSS客户端或者在线网页版SPSSSPSSAU实现。
使用探索性因子分析进行效度验证时，应该以量表为准，对变量或者量表分别进行分析。
使用探索性因子分析进行效度验证时，首先需要对KMO值进行说明(最为简单的效度验证是直接对每个变量进行探索性因子分析，并且通过KMO值进行判断，勿需判断题项与因子对应关系情况等，此种判断方法过于简单，使用较少)，KMO值指标的常见标准是大于0.6，接着具体说明提取的因子数量，每个因子的方差解释率，总共方差解释率值，并且详细描述各个题项与因子的对应关系，如果对应关系与预期相符(专业知识预期一致)，则说明有着良好的结构效度。
量表的制定和信效度分析
专家协调系数
Kendall协调系数W检验，常用于两因素设计资料的一致 性检验，属于一种非参数检验方法。也就是由m个打分者 对n个观察项目或指标进行评分，然后检验m个评判员的打 分结果是否具有一致性。
协调系数W在0—1之间，W越大，表示协调程度越好， 一般在0.5的范围内波动。
Kendall协调系数的求法
• 分半信度
在一次测量后将条目分为相等但独立的两部分， 如分前后两个部分、按提问项目号的奇数和偶数 分两个部分。计算两个部分的得分的简单相关系 数r，作为信度指标。
• 重测信度
用同一调查表在不同时间对同一组调查对 象进行重复测量，两次结果间的一致性即 重测信度。
效度分析
效度主要评价量表的准确度、有效性和正确性，即测定值与目标真实 值的偏差大小。效度意在反映某测量工具是否有效地测定到了它打算 测定的内容，即实际测定结果与预想结果的符合程度。
专家积极系数：回收率 专家权威度：Cr=Ca+Cs/2 专家协调系数：K-W
内部一致性：克伦巴赫系数
信度分析
折半信度：split-half
重测信度：r
内容效度：r
效度分析
校标效度：r
结构效度
探索性因素分析：主成份分析 验证性因素分析：结构方程模型
• VARIABLE: NAMES ARE y1-y42;
• MODEL: f1 BY y1-y5 ;
•
f2 BY y6-y17;
• f3 by y18-y22;
• f4 by y23-y30;
• f5 by y31-y35;
• f6 by y36-y42;
• OUTPUT: tech4;
总结
Delphi
常用指标：
- 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)。
解說總變異量
平方和負荷量萃取
總和
變異數的% 累積%
8.145
37.024
37.024
2.728
12.400
49.424
1.300
5.908
55.332
1.262
5.736
61.068
1.066
4.845
65.913
轉軸平方和負荷量
總和
變異數的% 累積%
5.113
23.243
23.243
3.917
17.806
異 將未達顯著差異的題項刪除
8
3.1 項目分析—反向題
14；23；32；41 轉換重新編碼成同一變數
9
3.2 項目分析—求出量表總分
轉換計算
10
3.3 項目分析—總分高低排序
資料觀察值排序
11
3.4 項目分析—前後27%處的分數
例題中共有100位 第27位受試者分數為56分 第74位受試者分數為43分
使原先轉軸前較大因素負荷量變得更大，而使轉軸前較小 的因素負荷量變得更小 成分界定：當負荷量由小變大或由大變小時為該成分界限
辨別是否需刪除題項
一個構面的題數最少於3題時，則刪除該構面題項。
19
4.2.1 KMO
KMO 與Bart le t t 檢定 Kaiser-Meyer-Olkin 取樣適切性量數。
6
2.5 信度分析[課本15-10]
常用方法
Cronbach α係數 折半信度
Cronbach α係數
Gay(1992)認為0.9以上表示量表的信度甚佳 分量表最好是在0.7以上
7
3. 項目分析—SPSS程序[課本16-17]
反向題重新計分 求出量表總分 按照樣本總分高低排序 找出排序後總分「前27%處的分數」與「後27%處的分數」 樣本分組，前27%為高分樣本組、後27%為低分樣本組 針對每個題項，比較高分與低分樣本組答題是否有顯著差
Bartl et t 球形檢定
近似卡方分配 自由度 顯著性
.857 11 87 .74 0
23 1 .000
KMO值大於0.5且Bartlett球形檢定顯著，值得進一步做因 素分析。
20
4.2.2 萃取
初始特徵值
成份
總和
變異數的%
1
8.145
37.024
2
2.728
12.400
3
1.300
5.908
1. 信度與效度
信度（Reliability）指個別題目之可信度，亦即衡 量結果之一致性或穩定性。
例如：尺，在不同狀況下（如溫度）應量出的結果要 一致
效度（Validity）指問卷之有效程度，亦即能夠真 正測得變數性質之程度。
例如：尺，拿來量體重，就是低效度
1
2. 量表編製建構的流程
4
1.262
5.736
5
1.066
4.845
6
.922
4.193
7
.869
3.951
8
.740
3.365
9
.681
3.096
10
.620
2.818
11
.526
2.391
12
.492
2.235
13
.422
1.919
14
.410
1.864
15
.343
1.560
16
.298
1.354
17
.258
ห้องสมุดไป่ตู้1.172
12
3.5 項目分析—分組
轉換編碼成不同變數
13
分組命名
14
3.6 項目分析—高低組比較t-tset
統計分析比較平均數法獨立樣本T檢定 分組變數選取group
15
3.7 項目分析—結論
所有題項皆有顯著差異，表示具有鑑別度。 反應所有題項皆能反應測驗項目的有效性
16
41.049
2.035
9.249
50.298
1.728
7.856
58.154
1.707
7.759
65.913
初始特徵值>1，成份為5個，且 累積解釋變異量為65.913%
21
未轉軸的因素矩陣（因素負荷量）
原理
所有題項總和高分群與低分群樣本，兩群樣本在各個題項 的表現亦應該互相有差異（即總和有差異，各別項也應有 差異
分組
高分組—總和前27%的人 低分組—總和後27%的人
5
2.4 因素分析[課本16-11]
目的
求得量表的「建構效度」 預先萃取，構成構面的題項太少給予刪除
2
2.1 編擬預試問卷
依據研究目的、相關文獻、研究架構等方面加以修訂、增 刪；若是自己重新編製問卷，問卷內容應依據研究架構的 層面，加以編製
可在問卷中穿插數是「測謊題」（Ex.問卷第9~16題） 態度量表通常採用李克特式量表法
DeVellis（1991）認為
預試題數最好是將來所需正式題項總數的3~4倍，題項發 展不易約1.5倍即可
捨棄下限
17
4.1 SPSS程序
統計分析資料縮減因子
18
4.2 報表說明
KMO值大於0.5或Bartlett球形檢定顯著，才值得進一步做 因素分析。代表各選項間共同因素多，可形成一個因素。
萃取
找出初使特徵值>1的成份個數 轉軸重新安排題項在每個共同因素的因素負荷量。轉軸後，
18
.249
1.134
19
.211
.957
20
.176
.798
21
.146
.664
22
.135
.615
萃取法：主成份分析。
累積% 37.024 49.424 55.332 61.068 65.913 70.106 74.057 77.422 80.518 83.336 85.727 87.962 89.882 91.746 93.306 94.661 95.833 96.966 97.923 98.721 99.385 100.000
3
2.2 預試
預試對象的性質應與將來正式問卷要抽取的對象性質相 預試樣本數
Comrey（1988）認為量表題項數與預試人數比例約為1:5 至1:10之間
問卷回收
刪除資料不全或不誠實填答之問卷
4
2.3 項目分析（效度）[課本16-4]
項目分析（項目鑑別度）--極端組比較法：求出每一個題項 的「決斷值」（Critical ratio；簡稱CR值）；將未達顯著 水準的題項刪除
4. 因素分析—SPSS程序[課本16-23]
統計分析資料縮減因子 描述性統計量勾選未轉軸統計量與KMO球形檢定 萃取勾選主成份、相關矩陣、未旋轉因子解、陡坡圖、
特徵值：1 轉軸法勾選最大變異法 分數勾選顯示因素分數係數矩陣 選項勾選完全排程遺漏值、依據因素負符排列、絕對值