问卷信效度分析

信效度问卷和量表的构建以及信度效度检验在提出一个有趣的研究问题之后，我们还应该去寻找一种合理的方法去进行深入研究，使这个研究问题能够量化操作，这里面必不可少的会用到一些研究工具如问卷和量表等。在看了《不同主体层次中组织的知识转化结构及其形成机理》一文之后，使我对问题的可操作化研究有了进一步的认识。1、问卷和量表的构建我们在构建问卷时，可以首先从前人权威学者那里寻找相关的量表，然后再结合我们的实际研究问题进行调整编制。下面是关于问卷和量表构建的步骤：第一步、确定研究目的。第二步、确定受试对象。第三步、编制访谈问题或调查问卷，并制作访谈或调查问卷分析表。第四步、进行访谈或问卷调查，并回收访谈结果或调查问卷。第五步、对访谈结果或调查问卷进行分析和统计，确定量表中的问题和量尺。第六步、编制量表。第七步、对量表进行预测试。第八步、对预测试结果进行分析，修订量表。第九步、确定最终的量表。第十步、对量表进行测试，确定信度和效度。2、量表信度和效度检验一份好的量表必须具有相当的信度和效度。所谓信度即是指可靠的程度，而效度则是指有效的程度。有信度的量表通常具有一致性(consistency)、稳定性(stability)、可靠性(dependability)、及可预测性(predictability)等。一份稳定可靠的量表，几次所得的结果一定是相当一致的，而且可透过此量表对受试者做预测用。效度是指一个量表能够有效的测量到它所要测量的特质的程度，譬如一份有效的「成就动机量表」应该能确实反映出受试者的成就动机，高成就动机者在此量表的得分应该比低成就动机者的得分显着要高。信度是效度的必要条件，但不是充分条件。一个测量工具要有效度必须有信度，没有信度就没有效度；但是有了信度不一定有效度。信度低，效度不可能高。因为如果测量的数据不准确，也并不能有效地说明所研究的对象。信度高，效度未必高。例如，如果我们准确地测量出某人的经济收入，也未必能够说明他的消费水平。效度低，信度很可能高。例如，即是一项研究未能说明社会流动的原因，但它很有可能很精确很可靠地调查各个时期各种类型的人的流动数量。效度高，信度也必然高。因此，我们必须保证做到信度和效度都很好，这样才会具有说服力！我们在进行信度和效度检验时，我们首先对我们的数据样本进行组内一致性检验判断数据的质量，然后再对我们的数据结果进行信度和效度的检验。在进行信度检验时，我们可以对同质信度、折半信度和再测信度三种方法分别进行测量，这样会提高数据的可信程度；效度检验采取内容效度、建构效度和效标关联效度三种方式来检验。信效度分析2010-06-0807:57:11|  分类：教学方法及理论研|  标签：|字号大中小 订阅 一、信度分析   信度（Reliability）即可靠性，是指采用同一方法对同一对象进行调查时，问卷调查结果的稳定性和一致性，即测量工具（问卷或量表）能否稳定地测量所测的事物或变量。信度指标多以相关系数表示，具体评价方法大致可分为三类：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）。信度分析的方法主要有以下四种：   1、重测信度法   同样的问卷，对同一组访问对象在尽可能相同的情况下，在不同时间进行两次测量。两次测量相距一般在两到四周之内。用两次测量结果间的相关分析或差异的显著性检验方法，评价量表信度的高低。   2、折半法。折半法是将上述两份问卷合成一份问卷（通常要求这两份问卷的问题数目相等），每一份作为一部分，然后考察这两个部分的测量结果之间的相关性。   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（如年龄与性别无法相比），常用于态度、意见式问卷的信度分析。在问卷调查中，态度测量最常见的形式是5级李克特（Likert）量表。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，以保证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（rhh，即半个量表的信度系数），最后用斯皮尔曼-布朗（Spearman-Brown）公式：   求出整个量表的信度系数（ru）。   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：   其中，K为量表中题项的总数，为第i题得分的题内方差，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。二、效度分析   效度（Validity）即有效性，它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。效度分为三种类型：内容效度、准则效度和结构效度。效度分析有多种方法，其测量结果反映效度的不同方面。常用于调查问卷效度分析的方法主要有以下几种。   1、单项与总和相关效度分析   表面效度（FaceValidity）。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。逻辑分析一般由研究者或专家评判所选题项是否“看上去”符合测量的目的和要求。统计分析主要采用单项与总和相关分析法获得评价结果，即计算每个题项得分与题项总分的相关系数，根据相关是否显著判断是否有效。若量表中有反意题项，应将其逆向处理后再计算总分。   2、准则效度分析   准则效度（CriterionValidity）。又称为效标效度或预测效度。准则效度是指量表所得到的数据和其他被选择的变量（准则变量）的值相比是否有意义。根据时间跨度的不同，准则效度可分为同时效度和预测效度。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（效标），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   建构效度（ConstructValidity）。是指测量结果体现出来的某种结构与测值之间的对应程度。结构效度分析所采用的方法是因子分析。最关心的问题是：量表实际测量的是哪些特征？在评价建构效度时，调研人员要试图解释“量表为什么有效”这一理论问题以及考虑从这一理论问题中能得出什么推论。建构效度包括同质效度、异质效度和语意逻辑效度。有的学者认为，效度分析最理想的方法是利用因子分析测量量表或整个问卷的结构效度。因子分析的主要功能是从量表全部变量（题项）中提取一些公因子，各公因子分别与某一群特定变量高度关联，这些公因子即代表了量表的基本结构。通过因子分析可以考察问卷是否能够测量出研究者设计问卷时假设的某种结构。在因子分析的结果中，用于评价结构效度的主要指标有累积贡献率、共同度和因子负荷。累积贡献率反映公因子对量表或问卷的累积有效程度，共同度反映由公因子解释原变量的有效程度，因子负荷反映原变量与某个公因子的相关程度。CTRL+A全选可调整字体属性及字体大小-CAL-FENGHAI.NetworkInformationTechnologyCompany.2020YEAR