信度的计算
1．问卷设计质量的信度检验
所谓问卷设计质量的信度检验，指的是对问卷测量结果准确性的分析，即对设计的问卷在多次重复使用下得到的数据结果的可靠性的检验。
在实际应用中，信度检验多以相关系数表示，常用的方法有：重测信度，复本信度，折半信度，克朗巴哈 信度，评分者信度等。
国内外已经有很多关于这些信度分析方法介绍的文献，在这里，笔者不再一一详述，仅列出相关公式作为参考。
（1）重测信度，也叫稳定系数，对同一组调查对象采用同一调查问卷进行先后两次调查，采用检验公式
，其中
为两次调查结果的协方差，
为第一次调查结果
的协方差， 为第二次调查结果的协方差。
系数值越大说明信度越高。
（2）复本信度，也叫等值系数，对同一组调查对象进行两种相等或相近的调查，要求两份问卷的题数、形式、内容及难度和鉴别度等方面都要尽可能的一致。
检验公式同稳定系数公式，系数越大，说明两份问卷的信度越高，具体调查时使用哪一份都可以。
（3）折半信度，也叫内在一致性系数，将调查的项目按前后分成两等份或按奇偶题号分成两部分，通过计算这两部分调查结果的相关系数来衡量信度。
当假定两部分调查结果得分的方差相等时，检验用Spearman-Brown 公式来表示：
， 其中 表示折半信
度系数；当假定方差不相等时，采用Flanagan 公式： ，其中 、 分别表示两部分调查结果的方差， 表示整个问卷调查结果的方差。
如果折半信度很高，则说明这份问卷的各项题之间难度相当，调查结果信度高。
（4）Cronbach’s α系数是Cronbach 于1951年创立的，是指测验内部的项目在多大程度上考察了同一内容，评价的是量表中各题项得分间的一致性。
同构型信度低时，即使各个测试题看起来似乎是测量同一特质，但测验实际上是异质的，即测验测量了不止一种特质。
α信度系数法是目前最常用的内部信度系数。
实际上，α系数是所有可能的分半信度的平均值，α系数是估计信度的最低限度，α系数高时，信度就高，α系数低时，信度不一定低。
低信度：α<0.35, 中信度： 0.35<α<0.70,高信度： 0.70<α。
一般来说，问卷的α系数在0.8以上该问卷的信度较好，达0.85以上，表明问卷信度良好。
克朗巴哈 信度，是对折半信度的改进，检验公式是：)1(1k k 2
2
i σσα∑--=
，其中K
表示问卷中的题目数， 为第i 题的调查结果方差， 为全部调查结果的方差。
信度
系数是目前最常用的信度分析法。
（5）评分者信度，包括 信度和
信度，将问卷中的每道题看作是一个变量，然后
通过调查的结果得分对所有问题做因子分析。
得到 ，
，其中
是最大特征值，N 是问题数, 是因子分析法的第i 个问题的共同度。
例：
【壹】内部一致性（Internal Consistency Coefficient）【计算α系数】
步骤一输入数据
有5题问答题的随测验施测5名学生，每题问答题配分是5分，以下是施测
结果，请计算信度。
person Item 1 Item 2 Item 3 Item 4 Item 5
Joe 3 4 4 3 5
Sam 4 3 4 3 3
Sue 2 3 3 2 3
Peg 4 4 5 3 4
Gil 3 2 4 3 3
Dot 3 2 3 2 3
步骤二按【Analyze】→【Scale】→【Reliability Analysis】将左边方格内的变项全选入右边items的方格内，在左下角
的Model框中选取Alpha后按键。
步骤三出现下列对话框候选取下列勾选处，后按键
按。
Reliability
****** Method 2 (covariance matrix) will be used for this analysis ******
R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)
Correlation Matrix
ITEM_1 ITEM_2 ITEM_3 ITEM_4 ITEM_5
ITEM_1 1.0000
ITEM_2 .2970 1.0000
ITEM_3 .7647 .5941 1.0000
ITEM_4 .6860 .4330 .8575 1.0000
ITEM_5 .1588 .8018 .4763 .4629 1.0000
N of Cases = 6.0
Item-total Statistics
Scale Scale Corrected
Mean Variance Item- Squared Alpha if Item if Item Total Multiple if Item Deleted Deleted Correlation Correlation Deleted
ITEM_1 13.0000 6.4000 .5251 .6471 .8472 ITEM_2 13.1667 5.3667 .6757 .7500 .8116 ITEM_3 12.3333 5.4667 .8333 .8588 .7642 ITEM_4 13.5000 6.7000 .7481 .7857 .8093 ITEM_5 12.6667 5.8667 .5922 .7143 .8333
Reliability Coefficients 5 items
Alpha = .8457 Standardized item alpha = .8609
纸笔计算结果
σi 2 =
X =16.1667, σ2=7.4722 σ=2.7335 k=5 N=6
85
.84575.)3234.1)(25.1()4722
.74166
.21)(25.1()4722.75833.2222.4722.6667.4722.1(45==-=-=++++-
=α。
第六章-信度
rKK
（三）测验难度
难度对信度的影响，只存在于某些测验中。
如智力测验、成就测验、能力倾向测验等；
对于人格测验、兴趣测验、态度量表等不存在难
度问题，因为这些测验的题目没有正确或错误答
案之分。
就难度与信度的关系而言，并没有简单的对应关
系。
从理论上说，只有平均难度水平为50%时，才能使
4
5 6
6
3 1
6
3 1
6
2 1
18
8 3
R
i
=14+7+13+18+8+3=63
2 R i =142+72+132+182+82+32=811
由题意知 K=3, N=6, 将上述值代入公式有:
2 12 811 63 / 6 =0.95 W= 32 63 6
•
如在评定中有相同的等级时，用下式校正。其中n
Ｋ－Ｒ20公式（仅适用于以1、0记分）
rKK K ( K 1
2 SX pi qi 2 X
S
)
公式K-R20中：K为构成测验的题目数；Pi为通过
第i题的人数比例；qi为未通过第i题的人数比
例；SX为测验总分的标准差。
Ｋ－Ｒ21公式（适用于以1、0记分，各题难度近似）
rKK
KS X ( K X ) 2 ( K 1) S X
1.两次测验的时间间隔要适当
时间太短，第一次的测验记忆犹新，夸大了稳定性;时间 太长，受学习、成熟等影响，从而降低了稳定性。 2.再测法适用于速度测验或人格测验，而不适用于难度测 验。 因为速度测验和人格测验项目多，被试无法记住测验内 容，所以受第一次测验影响小。
量表的信度与效度计算
2、内在一致性分析
目的：检验多项目量表中各个项目的一致性
可信的量表的项目必须具有内在一致性
2、内在一致性分析 方法之一：折半法
(split-half technique)
• 将量表中的项目分成两半 • 计算这两部分的总得分的相关系数rh
如果量表具有较高的内在一致性 那么这两部分应该是高度相关的
2、内在一致性分析 方法之一：折半法
1、稳定性分析 方法： 用“再测信度”来测量稳定性 再测信度：两次测量结果间的相关系数
相关系数越接近 1，表示稳定性越好
1、稳定性分析
缺点：
一般应用中很难真正实现（人力、财力、时间） 再测信度的应用有局限性 • 第一次的测量可能会影响到第二次（信度偏高）
• 两次测量间客观的情况可能有变化（信度偏低）
(split-half technique) 优点：不需要重复的测量 常用分法：按项目号的前后顺序分
或按项目号的奇偶性分 计算公式：
ru = 2rh / (1 + rh)
2、内在一致性分析 方法之一：折半法
(split-half technique) 注意：需先将量表中的反意题作逆向处理
再分别计算两部分的总得分 前提假设：两半题项得分方差大致相等
• 在多大程度上给出了他/她所想要的
例如，研究者希望测量电视广告的传播效果
目的：了解广告能否引起目标消费群的购买欲望
消费者的购物决策是否与观看的电视广告相关
如果：最终测得的不是广告对消费者购物决策的影响
而主要是消费者对广告艺术感染力的评价
结论：所用量表是无效的或是效度很低的
• 信度高时效度不一定高 • 但效度高时信度一定高
3、等价性分析
A 当使用两种不同的量表去测量同一概念时，这
心理学考研心理测量知识点：信度(一)
心理学考研心理测量知识点：信度（一）1、信度是指：测量结果的可靠性和一致性。
因为心理测验通常测量人的行为，行为会由于各种各样的原因，因时、因事、因地而产生变动，这些因素有些是偶然的，有些是固有的，人在完成心理测验时的行为也会受上述因素的影响，从而使测验结果与真实结果不完全一致，所以我们要用信度来衡量测验的可靠性和一致性。
2、信度的操作化定义：（1）误差理论认为：一个人的测验分数X是由真实分数（T）和误差（E）两部分构成的，公式是X = T + E。
（2）因此信度就被定义为：一组测量分数的真实方差与实得方差的比，或者是指真实方差占总方差的百分比。
公式为：rxx = 1－SE 2／SX 2（3）根据统计学理论，真实方差与实得方差的比是一个相关系数的平方，所以我们把这种相关系数的平方叫做信度系数。
（4）计算公式为：rxx = ST2／SX23、由于误差的来源信度的可分为：这种分类是基于信度的传统定义-真分数理论。
（1）重测信度：考虑的误差来源是时间取样。
（2）复本信度：考虑的误差来源是内容取样。
（3）分半信度：它考虑的误差来源也是内容取样，它与复本信度的差别是：分半信度考查一个测验内容的两半题目测量的是否是同一个心理特点行为。
（4）同质性信度（内部一致性系数）：考虑的是测验内容是否异质。
（5）评分者信度：考虑的误差来源是评分者间的差别。
4、信度的表示方法：（1）信度系数和信度指数：1信度系数：rxx = rx2T = S2T／S22信度指数：rXT = ST／SX（2）测量标准误：SE = SX 1－rxx5、信度的意义：（1）信度系数可以解释为样本测验分数的总方差中有多少比例是真分数方差，也就是测验的总变异中真分数造成的变异占百分之几。
它直接告诉我们测量的误差有多大。
（2）测量的标准误可以告诉我们有多大可能性真实分数在某一分数范围内，并且可以预测实得分数再测时可能的变化情况。
6、信度的作用：（1）解释预测个人分数的意义。
scott's pi信度公式
Scott's Pi信度公式是统计学中用于测量测量工具或测试的信度的一种方法。
信度是指一个测量工具稳定性和一致性的度量，也就是说，当同一个对象在不同时间或者不同条件下被测试时，结果是否稳定和一致。
Scott's Pi信度公式是由David W. Scott在1977年提出的，它可以用于二分类的测试数据，并且在实际应用中被广泛使用。
Scott's Pi信度公式的计算方法相对简单，它是通过测量两次测试之间的一致性来确定信度的。
具体而言，Scott's Pi信度公式可以衡量两次测试结果中同时判断为是或者不是的概率，以此来判断测试工具的信度。
在实际应用中，Scott's Pi信度公式常常用于衡量医学诊断测试、行为研究、心理学测试等领域中的信度。
使用Scott's Pi信度公式进行信度测量时，我们需要首先确定两次测试的结果，然后将结果分类为“是”和“否”，接着根据测试结果进行交叉分类计算，最后使用Scott's Pi信度公式进行计算。
具体的计算公式如下：1. 首先我们需要确定四个值，分别为a、b、c、d，它们分别代表了两次测试结果的交叉分类数量。
其中a代表两次测试中判断为“是”的数量，b代表第一次测试判断为“是”而第二次测试判断为“否”的数量，c代表第一次测试判断为“否”而第二次测试判断为“是”的数量，而d代表两次测试中判断为“否”的数量。
2. 我们通过计算Scott's Pi信度系数来得到信度的度量值。
计算公式如下：Pi = (a + d) / (a + b + c + d)Pi = 2(a + d) / (2(a + b) + 2(a + c))其中，Pi的取值范围为-1到1之间，当Pi为1时，表示两次测试结果完全一致，信度非常高；当Pi为0时，表示两次测试结果完全不一致，信度非常低；当Pi为-1时，表示两次测试结果完全相反，信度也非常低。
4 信度
LOGO
一、信度的概念 二、信度的统计方法 三、影响信度的因素
一、信度的概念
信度（reliability）指的是测量结果的稳定性程度。换句 话说，若能用同一测量工具反复测量某人的同一心理特质， 则其多次测量的结果间的一致性程度就叫信度。有时也叫测 量的可靠性。 例如：比较钢尺与具有弹性的皮尺测量长度的信度。
其计算公式为：
W=
式中，W为肯德尔和谐系数；K为评价者的人数；N为被评价
的试卷(或作品)个数；S为每一个评价对象的K个等级之和
的离均差平方和，即S= ，Ri为第
i个被评价对象的K个等级之和。严格地讲，W值是否达到显
著性水平，需要做统计假设检验。
确定信度可以接受的水平
一般能力测验和成就测验的信度系数都在0.90以上。人 格测验、兴趣、态度、价值观等测验的信度一般都在0.800.85。 一般原则是： ☆当rXX＜0.70时，测验不能用于对个人作出评价或预测， 而且也不能做团体比较； ☆当0.70≤rXX＜0.85时，可用于团体比较； ☆当rXX≥0.85时，才能用来鉴别或预测个人成绩或行为。 另一原则是：新编的测验信度应高于原有的同类测验或相似 测验。
（二）复本信度
1、定义 复本信度，又称等值系数，指的是两个平行测验测量同 一批被试所得结果的一致性程度，其大小等于同一批被试在 两个复本测验上所得分数的相关系数。 实施复本测验，有两种方式：一种是在同一个时间连续 施测，另一种是间隔一段时间后施测。前者主要可以反映出 测验内容造成的误差的多少，也就是说可以反映出两个测验 是否是真正的平行测验，所以这种复本信度称作等值性系数。 而后者所得到的复本信度，不仅反映出测验内容的抽样误差， 而且也反映了被试本身状况的改变，这种同时兼顾试题抽样 与时间影响的信度，称作等值稳定性系数。
信度的主要估计方法
信度的主要估计方法信度是指测量工具所提供结果的稳定性和准确性的度量。
在心理学和教育领域中，信度是评估测量工具的重要指标，因为一个测量工具只有在具有足够的信度的情况下才能得到可靠和有效的结果。
信度的主要估计方法有内部一致性信度、重测信度和内部一致性信度。
内部一致性信度是指在测量工具中各项之间相关关系的程度。
在研究中，内部一致性信度通常通过克伦巴赫（Cronbach）α系数来进行估计。
克伦巴赫（Cronbach）α系数是根据受试者回答多组题目的结果计算得出的一个值，值的范围是0到1，数值越接近1代表内部一致性越高。
一个测量工具的内部一致性信度越高，说明测试结果越稳定和可信。
重测信度是指同一个测量工具在不同时间点或条件下得到的结果之间的一致性。
重测信度通过计算同一组受试者在两个或多个不同时间点或条件下得到的分数的相关性来进行估计。
通常，Pearson相关系数或Spearman秩相关系数被广泛应用于测量重测信度。
如果两次测试的结果高度相关，说明测量工具具有较高的重测信度。
内部一致性信度是指测量工具中各项之间相关关系的程度。
在内部一致性信度中，研究者通常使用一致性检验或因子分析来估计测量工具的信度。
通过一致性检验可以检测各项之间的相关性，从而评估测量工具的内部一致性。
因子分析则旨在探究测量工具中各项的因素结构，通过因子载荷来评估不同因素对总体得分的贡献程度，从而确定测量工具的信度。
除了以上提到的三种主要估计方法外，还有其他一些方法可以用来评估测量工具的信度。
例如，使用分割半信度来评估测量工具的内部一致性，该方法通过将测量工具的一半项与另一半项分开，然后计算它们之间的相关性来估计信度。
此外，还可以使用容纳性或等效信度来评估测量工具的信度，该方法通过比较不同版本或形式的测量工具的结果来评估其一致性。
总的来说，信度是测量工具的重要属性，对于正确评估个体或群体的特质和行为至关重要。
研究者应该根据研究目的和测量工具的特点选择合适的方法来估计信度，并确保所使用的方法能够提供可靠和有效的结果。
第二章 信度
18
3
23
4
21
5
17
6
18
7
20
8
17
9
16
10
13
11
14
12
13
13
12
14
8
15
8
奇数 20 题 （X)
偶数 20 题 （Y）
22
19
22
18
15
14
17
15
16
14
12
10
7
8
（2）库得-理查逊（Kuder&Richardson)系数（采 用0，1记分时 ）
KR20
n ( n-1
第二讲 信度
内容： 1.信度的含义 2.信度的计算方法 3.影响测验信度的因素 4.提高测验信度的方法
（一）什么是信度 信度是指测量结果的稳定性或可靠性程度。 一个好的测量必须具有较高的信度，其结果就不应 随工具的使用者或使用时间等方面的变化而发生较 大的变化。 信度可以理解为：信度指实测值（观察分数）和真 值（真分数）相差的程度；信度指两次重复测量或 等值测量之间的关联程度。
3.内部一致性系数 (1)分半信度 在测验无复本且只能施测一次的情况下，通 常用分半法估计信度，即将测题分成对等的两 半，根据各人在这两半测验的分数，用皮尔逊 积差相关公式计算其相关系数，作为信度指标。 分半信度考察的是两半题目之间的一致性， 故这种信度系数也称内部一致性系数。计算分 半信度仍然可用积差相关方法。
也可用下列公式：其中Ｘ、Y为同一 被试的两个分数，Ｓx、Ｓy为两组分 数的标准差。Ｘ、Y为两组分数的平均 数，Ｎ为被试人数。
∑ ＸY／Ｎ－ＸY rxy = ＳxＳy
统计学中的信度与效度
统计学中的信度与效度统计学是一门研究收集、整理、分析和解释数据的学科。
在统计学中，信度和效度是两个重要的概念。
它们用于评估测量工具（如问卷调查或测试）的质量和可靠性。
本文将介绍信度和效度的定义、计算方法以及在实际研究中的应用。
信度信度是指测量工具的稳定性和一致性。
在统计学中，一个可靠的测量工具应该能够反映出被测量对象的真实状态，即在不同时间和条件下具有相似的结果。
信度可以分为内部一致性信度和测试-重测信度。
内部一致性信度内部一致性信度用于评估测量工具中各个项目（题目或指标）之间的关联性或相关性。
常见的内部一致性信度计算方法包括：皮尔逊相关系数：用于连续变量之间的相关性分析。
斯皮尔曼等级相关系数：用于有序分类变量之间的相关性分析。
克隆巴赫α系数：用于多个项目构成的测量工具的内部一致性评估。
测试-重测信度测试-重测信度用于评估同一个测量工具在不同时间或条件下的结果是否相似。
常见的计算方法有：皮尔逊相关系数：对连续变量进行测试-重测信度分析。
斯皮尔曼等级相关系数：对有序分类变量进行测试-重测信度分析。
人际相关系数：对多个观察者、评分者或测量者进行测试-重测信度分析。
效度效度是指测量工具所衡量的概念与实际情况是否一致。
一个有效的测量工具应该能够准确地反映出所要衡量的特征或属性。
效度可以分为内容效度、判别效度和预测效度。
内容效度内容效度是指测量工具中各个项目是否能全面、准确地反映所要衡量的特征或属性。
常见的评估方法有：面向专家群体进行评估：邀请领域专家对测量工具进行评审和反馈。
内容有效性指数（CVI）：通过专家对每个项目进行评分后计算，通常使用于问卷调查。
判别效度判别效度是指测量工具与其他相关概念进行区分的程度。
常见的评估方法有：计算两个或多个概念之间的相关系数，如皮尔逊相关系数。
进行因子分析，检查因子载荷情况和因子方差解释比例。
预测效度预测效度是指测量工具对未来事件或行为进行预测的能力。
常见方法包括：使用回归分析等统计模型，通过历史数据预测未来结果。
与信度相关的公式se
与信度相关的公式se信度是指测量工具或者评估方法在不同情境下重复测量所得结果的一致性或稳定性。
在心理学和社会科学研究中，常用的信度估计方法包括内部一致性信度和测试-重测信度。
内部一致性信度是指评估测量工具内部各项指标之间的相关性，常用的内部一致性信度估计方法有Cronbach's alpha系数和Kuder-Richardson公式20 (KR-20)等。
Cronbach's alpha系数是最常用的内部一致性信度估计方法之一，它的计算公式如下：α = (k / (k-1)) (1 Σvar(si) / var(X))。
其中，k表示测量工具中的项数，var(si)表示第i个测量项的方差，var(X)表示所有测量项的总方差。
测试-重测信度是指在相同的样本中，同一测量工具在不同时间点或者条件下的测量结果之间的相关性。
常用的测试-重测信度估计方法包括Pearson相关系数和Intraclass correlationcoefficient (ICC)等。
Pearson相关系数的计算公式如下：r = (Σ(Xi X̄)(Yi Ȳ)) / √(Σ(Xi X̄)²Σ(Yi Ȳ)²)。
其中，Xi和Yi分别表示两次测量的结果，X̄和Ȳ分别表示两次测量结果的平均值。
ICC的计算公式根据具体的模型而有所不同，常见的有单因素随机效应模型和混合效应模型。
ICC的值介于0和1之间，越接近1表示测试-重测信度越高。
需要注意的是，信度估计方法仅仅是对信度进行估计，不能完全代表测量工具的信度，因此在研究中还需要综合考虑其他因素，如测量工具的内容效度、构效效度等。
总结起来，与信度相关的公式有Cronbach's alpha系数、Kuder-Richardson公式20、Pearson相关系数和Intraclass correlation coefficient等。
这些公式可以帮助研究者评估测量工具的内部一致性信度和测试-重测信度。
信度与效度
样组方面
样本的代表性 样本规模 样本的异质性
信度和效度
研究工具的信度和效度不是“有”或 “无”的问题，而是程度上“高’或 “低”的问题。一个研究工具的信度和 效度并不是截然孤立的，二者存在一定 的关系。信度低的工具效度肯定不高， 试想该研究工具都不能准确地反映被研 究对象的情况，我们又怎能奢望它能真 正达到我们所要研究的目的呢？但信度 高的工具也仅能说明有效度高的可能性。
国外量表的翻译
翻译 回译 检测
2rhh r tt = 1 + rhh
内在一致性信度
Cronbach’ α相关系数与 KR－20值 ：所 计算的是工具中所有项目间的平均相关 程度，避免了折半信度计算的缺点。KR －20值是Cronbach’α的一种特殊形式， 适用于二分制的研究工具。
内在一致性信度
Cronbach’ α系数
2 S n 骣 t - å V ÷ ç ÷ ç a = ÷ 2 ç ÷ n - 1ç 桫 St
同时效度
如果准则资料与测验分数可以同时得到， 那么，根据这个资料计算的准则关联效 度就是同时效度，用相关系数来计算。
预测效度
是指测验对准则变量预测的有效性。预 测效度中，准则资料是在一段时间之后 才能收集到。 计算相关系数。
结构效度
结构效度（construct validity）重点是了 解工具的内在属性，而不是关心使用工 具后所测得的结果。它主要回答“该工 具究竟在测量什么？”，“使用该工具 能否测量出想研究的抽象概念？”这类 问题，结构效度反映的是工具与其所依 据的理论或概念框架的相结合程度，概 念越抽象就越难建立结构效度，同时也 越不适宜使用效标关联效度进行评价。
结构效度的评估
因子分析 会聚效度与求异效度